| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景 | 第9-11页 |
| ·灰色理论的提出与研究现状 | 第9-10页 |
| ·支持向量机理论的提出与研究现状 | 第10-11页 |
| ·研究目的和意义 | 第11-13页 |
| ·研究内容和组织结构 | 第13-15页 |
| ·研究内容 | 第13-14页 |
| ·正文组织安排 | 第14-15页 |
| 第2章 灰色预测模型 | 第15-25页 |
| ·灰色理论 | 第15-20页 |
| ·灰色系统发展概况 | 第15-17页 |
| ·灰色关联分析方法 | 第17-18页 |
| ·灰色建模 | 第18-20页 |
| ·灰色预测模型 | 第20-24页 |
| ·GM(1,1)模型 | 第20-21页 |
| ·GM(1,1)模型的局限性 | 第21-22页 |
| ·模型检验 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 支持向量机预测模型 | 第25-33页 |
| ·统计学习理论 | 第25-26页 |
| ·支持向量机 | 第26-31页 |
| ·支持向量机分类 | 第26-29页 |
| ·支持向量机回归 | 第29-31页 |
| ·本章小结 | 第31-33页 |
| 第4章 灰色模型与支持向量机的组合优化模型 | 第33-44页 |
| ·统计模型 | 第33-37页 |
| ·GM(1,1)模型 | 第33-34页 |
| ·支持向量回归机模型 | 第34-37页 |
| ·组合预测模型 | 第37-40页 |
| ·最优组合模型建模思想 | 第37-38页 |
| ·组合预测模型详述 | 第38-40页 |
| ·组合预测模型的应用 | 第40-43页 |
| ·模型实例 | 第40-42页 |
| ·实验结果分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 灰色预测与支持向量融合的预测模型 | 第44-53页 |
| ·灰色关联分析方法 | 第44-46页 |
| ·灰色关联分析模型 | 第44-46页 |
| ·灰色关联分析与其他方法的结合 | 第46页 |
| ·基于灰色关联分析的GRA_SVM预测模型 | 第46-48页 |
| ·模型的提出 | 第47页 |
| ·模型的建立 | 第47-48页 |
| ·基于灰色关联的GRA_GSVM预测模型 | 第48-49页 |
| ·GRA_SVM与GRA_GSVM两种预测模型应用 | 第49-52页 |
| ·模型实例 | 第49-51页 |
| ·实例分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第6章 结论与展望 | 第53-55页 |
| ·全文总结 | 第53-54页 |
| ·未来工作展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 附录:攻读硕士学位期间公开发表的论文 | 第59页 |