| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.2.1 支持向量机研究概况 | 第17-18页 |
| 1.2.2 神经网络研究概况 | 第18页 |
| 1.2.3 自回归模型研究概况 | 第18-19页 |
| 1.3 论文主要内容及结构安排 | 第19-22页 |
| 第二章 海水位预测模型原理 | 第22-40页 |
| 2.1 时间序列分析概述 | 第22页 |
| 2.2 支持向量机(SVM)模型原理 | 第22-28页 |
| 2.2.1 支持向量机的基本概念 | 第22-23页 |
| 2.2.2 线性支持向量机理论 | 第23-25页 |
| 2.2.3 非线性支持向量机理论 | 第25-26页 |
| 2.2.4 松弛变量介绍 | 第26-28页 |
| 2.3 BP神经网络原理 | 第28-34页 |
| 2.3.1 BP神经网络的基本概念 | 第28-30页 |
| 2.3.2 BP神经网络的学习算法 | 第30-33页 |
| 2.3.3 BP神经网络的局限性与改进方法 | 第33-34页 |
| 2.4 自回归(AR)模型原理 | 第34-38页 |
| 2.4.1 自回归模型的理论概述 | 第34-35页 |
| 2.4.2 自回归模型的参数估计 | 第35-37页 |
| 2.4.3 最佳极点的确定 | 第37-38页 |
| 2.4.4 自回归模型的稳定性 | 第38页 |
| 2.5 本章小结 | 第38-40页 |
| 第三章 海水位时间序列介绍 | 第40-46页 |
| 3.1 实验数据描述 | 第40-44页 |
| 3.2 实验环境描述 | 第44页 |
| 3.3 实验数据预处理 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 预测结果分析与比较 | 第46-82页 |
| 4.1 预测结果评估方案 | 第46-47页 |
| 4.2 基于MATLAB的三种预测方法实现 | 第47-58页 |
| 4.2.1 MATLAB实现支持向量机预测方法 | 第47-52页 |
| 4.2.2 MATLAB实现BP神经网络预测方法 | 第52-55页 |
| 4.2.3 MATLAB实现自回归模型预测方法 | 第55-58页 |
| 4.3 相同预测步长下的预测结果比较 | 第58-72页 |
| 4.4 相同样本尺度下的预测结果比较 | 第72-81页 |
| 4.5 本章小结 | 第81-82页 |
| 第五章 预测误差与预测步长的关系探究 | 第82-94页 |
| 5.1 基于支持向量机的关系探究 | 第82-86页 |
| 5.2 基于BP神经网络的关系探究 | 第86-89页 |
| 5.3 基于自回归模型的关系探究 | 第89-91页 |
| 5.4 本章小结 | 第91-94页 |
| 第六章 海水位时间序列预测系统 | 第94-108页 |
| 6.1 系统设计原则和步骤 | 第94-95页 |
| 6.1.1 系统设计原则 | 第94-95页 |
| 6.1.2 系统设计步骤 | 第95页 |
| 6.2 图形用户界面设计和工具介绍 | 第95-98页 |
| 6.3 编写回调函数 | 第98-99页 |
| 6.4 预测系统功能介绍 | 第99-107页 |
| 6.4.1 海水位时间序列预测面板 | 第100-103页 |
| 6.4.2 海水位预测误差与预测步长关系曲线生成面板 | 第103-105页 |
| 6.4.3 海水位预测误差与样本长度关系曲线生成面板 | 第105-107页 |
| 6.5 本章小结 | 第107-108页 |
| 第七章 总结与展望 | 第108-112页 |
| 7.1 研究结果及结论 | 第108页 |
| 7.2 论文创新点 | 第108-109页 |
| 7.3 研究展望 | 第109-112页 |
| 参考文献 | 第112-136页 |
| 致谢 | 第136-138页 |
| 攻读硕士学位期间发表的学术论文 | 第138-140页 |
| 攻读硕士学位期间参与的科研项目 | 第140页 |