基于三次分解集成组合模型的黄河源区降水量预测
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 研究现状综述 | 第9-10页 |
| 1.2.2 文献综述 | 第10-11页 |
| 1.2.3 未来发展趋势 | 第11页 |
| 1.2.4 研究路线 | 第11-12页 |
| 1.2.5 创新之处 | 第12-13页 |
| 1.2.6 组织结构 | 第13-14页 |
| 第二章 分解方法论 | 第14-20页 |
| 2.1 经验模态分解（EMD） | 第14-15页 |
| 2.2 集合经验模态分解（EEMD） | 第15-16页 |
| 2.3 完备集合经验模态分解(CEEMD) | 第16-18页 |
| 2.3.1 EMD及EEMD综述 | 第16-17页 |
| 2.3.2 完备集合经验模态分解（CEEMD） | 第17-18页 |
| 2.3.3 CEEMD方法特点 | 第18页 |
| 2.4 季节调整(SAM) | 第18-20页 |
| 第三章 预测算法 | 第20-24页 |
| 3.1 支持向量机（SVM） | 第20-22页 |
| 3.1.1 SVM简介 | 第20-21页 |
| 3.1.2 SVM体系结构 | 第21页 |
| 3.1.3 SVM主要特点 | 第21-22页 |
| 3.2 极限学习机（ELM） | 第22-24页 |
| 3.2.1 ELM简介 | 第22-23页 |
| 3.2.2 ELM结构 | 第23页 |
| 3.2.3 ELM主要特点 | 第23-24页 |
| 第四章 实证分析 | 第24-40页 |
| 4.1 数据来源 | 第24页 |
| 4.2 数据走势 | 第24-25页 |
| 4.3 去噪对比 | 第25-29页 |
| 4.4 季节调整（SAM） | 第29-30页 |
| 4.5 CEEMD分解 | 第30-32页 |
| 4.6 IMF1预测 | 第32-36页 |
| 4.6.1 GARCH模型 | 第32页 |
| 4.6.2 BP神经网络 | 第32-33页 |
| 4.6.3 小波神经网络 | 第33-34页 |
| 4.6.4 极限学习机 | 第34页 |
| 4.6.5 支持向量机 | 第34-36页 |
| 4.7 其它IMF预测—ELM | 第36-37页 |
| 4.8 数据整合 | 第37-38页 |
| 4.9 实证分析小结 | 第38页 |
| 4.10 实证流程图 | 第38-40页 |
| 第五章 实验对比 | 第40-48页 |
| 5.1 对比模型 | 第40页 |
| 5.2 性能指标 | 第40-41页 |
| 5.3 指标分析 | 第41-48页 |
| 第六章 结论与展望 | 第48-50页 |
| 6.1 结果分析 | 第48页 |
| 6.2 工作总结 | 第48-49页 |
| 6.3 后续研究工作展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 致谢 | 第52页 |
