| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题的研究背景和意义 | 第10-12页 |
| 1.1.1 论文的研究背景 | 第10-11页 |
| 1.1.2 论文的研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 国内研究现状 | 第12-14页 |
| 1.2.2 国外研究现状 | 第14-16页 |
| 1.3 论文研究内容和章节组织 | 第16-18页 |
| 1.3.1 论文研究内容 | 第16页 |
| 1.3.2 论文章节组织 | 第16-18页 |
| 第二章 时间序列分析模型 | 第18-36页 |
| 2.1 时间序列分析的基本概念 | 第18-19页 |
| 2.1.1 时间序列的定义 | 第18页 |
| 2.1.2 时间序列的数字特征 | 第18-19页 |
| 2.2 时间序列分析模型 | 第19-21页 |
| 2.2.1 ARIMA模型 | 第19-20页 |
| 2.2.2 GRACH模型 | 第20页 |
| 2.2.3 指数平滑法模型 | 第20-21页 |
| 2.3 ARIMA模型的建模步骤 | 第21-26页 |
| 2.3.1 平稳性检验 | 第21-23页 |
| 2.3.2 模型识别与定阶 | 第23-25页 |
| 2.3.3 模型参数估计 | 第25页 |
| 2.3.4 模型检验 | 第25-26页 |
| 2.4 预测结果评价指标 | 第26-27页 |
| 2.5 ARIMA模型预测仿真 | 第27-35页 |
| 2.5.1 ARIMA模型预测粮食产量仿真流程 | 第27-28页 |
| 2.5.2 仿真结果 | 第28-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 联合动态预测模型 | 第36-44页 |
| 3.1 粮食产量影响因子关联系数分析 | 第36-38页 |
| 3.1.1 灰色关联度分析 | 第36-37页 |
| 3.1.2 粮食产量的多元线性回归预测 | 第37页 |
| 3.1.3 粮食产量主要影响因子预测 | 第37-38页 |
| 3.2 仿真分析 | 第38-43页 |
| 3.2.1 关联度计算 | 第38-40页 |
| 3.2.2 影响因子预测 | 第40-41页 |
| 3.2.3 多元回归粮食产量预测 | 第41页 |
| 3.2.4 仿真结果 | 第41-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 PSO-LSSVM模型 | 第44-54页 |
| 4.1 PSO-LSSVM模型预测原理 | 第44-48页 |
| 4.1.1 最小二乘支持向量机（LSSVM）模型 | 第44-46页 |
| 4.1.2 粒子群(PSO)算法 | 第46-48页 |
| 4.2 仿真结果与分析 | 第48-53页 |
| 4.2.1 PSO-LSSVM模型预测流程图 | 第48页 |
| 4.2.2 模型参数设置 | 第48-49页 |
| 4.2.3 模型预测结果 | 第49-51页 |
| 4.2.4 PSO-LSSVM与LS-SVM、SVM、ARIMA模型预测结果比较 | 第51-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 工作总结 | 第54页 |
| 5.2 今后的研究方向 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 个人简历 | 第61页 |