| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·研究背景与意义 | 第10-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·径流时间序列分析现状 | 第12-15页 |
| ·预测模型的研究 | 第15-16页 |
| ·研究内容与技术路线 | 第16-19页 |
| ·研究内容 | 第16-17页 |
| ·技术路线 | 第17-19页 |
| 第二章 时间序列预测理论 | 第19-34页 |
| ·混沌时间序列预测原理 | 第19页 |
| ·相空间重构理论 | 第19-24页 |
| ·重构相空间技术 | 第20页 |
| ·时间延迟τ的选取 | 第20-22页 |
| ·嵌入维数 m 的选取 | 第22-24页 |
| ·统计学习理论 | 第24-27页 |
| ·学习问题的表示 | 第24-25页 |
| ·VC 维 | 第25页 |
| ·经验风险最小化原理 | 第25-26页 |
| ·复杂性与推广能力 | 第26-27页 |
| ·支持向量机模型 | 第27-32页 |
| ·本章小结 | 第32-34页 |
| 第三章 传统的最小二乘支持向量机预测模型 | 第34-43页 |
| ·最小二乘法 | 第34-36页 |
| ·最小二乘法的原理 | 第34-35页 |
| ·最小二乘法的矩阵形式 | 第35-36页 |
| ·最小二乘支持向量机原理 | 第36-37页 |
| ·核函数 | 第37-39页 |
| ·核函数的原理 | 第37-38页 |
| ·常见的核函数 | 第38-39页 |
| ·算法步骤 | 第39页 |
| ·预测性能评价指标 | 第39-40页 |
| ·预测模型的应用 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于自适应差分进化算法的最小二乘支持向量机模型 | 第43-50页 |
| ·自适应差分进化算法 | 第43-45页 |
| ·差分进化算法（DE） | 第44页 |
| ·改进差分进化算法的策略 | 第44-45页 |
| ·基于自适应差分进化算法的最小二乘支持向量机的建模过程 | 第45-47页 |
| ·参数优化流程图 | 第46页 |
| ·模型的预测步骤 | 第46-47页 |
| ·仿真试验 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 基于小波核的最小二乘支持向量机年径流预测模型研究 | 第50-57页 |
| ·最小二乘支持向量机的核条件 | 第50页 |
| ·小波核函数 | 第50-53页 |
| ·算法步骤 | 第53页 |
| ·实例应用 | 第53-56页 |
| ·径流预测 | 第53-55页 |
| ·误差修正分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 结论与展望 | 第57-59页 |
| ·结论 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 作者简介 | 第64页 |
