| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 混沌时间序列预测研究综述 | 第12-13页 |
| 1.2.2 基于 SVM 的混沌时间序列研究综述 | 第13-14页 |
| 1.2.3 信息粒化的研究综述 | 第14-15页 |
| 1.3 研究内容和创新点 | 第15-17页 |
| 1.3.1 主要研究内容 | 第15-16页 |
| 1.3.2 创新点 | 第16-17页 |
| 第2章 相关理论基础 | 第17-30页 |
| 2.1 混沌理论 | 第17-20页 |
| 2.1.1 混沌及其判定 | 第17-18页 |
| 2.1.2 相空间重构 | 第18-20页 |
| 2.1.3 混沌时间序列的基本预测方法简介 | 第20页 |
| 2.2 统计学习理论与支持向量机 | 第20-27页 |
| 2.2.1 经验风险最小化 | 第21-22页 |
| 2.2.2 VC 维与推广的界 | 第22-23页 |
| 2.2.3 结构风险最小化 | 第23-24页 |
| 2.2.4 支持向量机的原理 | 第24-27页 |
| 2.3 信息粒化理论 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于信息粒化的 SVM 混沌时间序列预测模型 | 第30-35页 |
| 3.1 基本思想 | 第30页 |
| 3.2 模糊粒子构建 | 第30-32页 |
| 3.2.1 相空间重构 | 第31页 |
| 3.2.2 窗口化分 | 第31页 |
| 3.2.3 模糊粒子建立 | 第31-32页 |
| 3.3 基于信息粒化的支持向量机预测模型 | 第32-34页 |
| 3.3.1 支持向量机预测模型构建 | 第32-33页 |
| 3.3.2 参数的选取 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 典型混沌时间序列的预测仿真 | 第35-49页 |
| 4.1 实验的条件 | 第35-36页 |
| 4.1.1 实验数据预处理 | 第35-36页 |
| 4.1.2 SVM 参数 C 和 g 的选取 | 第36页 |
| 4.1.3 实验步骤 | 第36页 |
| 4.2 仿真实验 | 第36-48页 |
| 4.2.1 logistic 混沌时间序列的预测仿真 | 第44-46页 |
| 4.2.2 lorenz 混沌时间序列的预测仿真 | 第46-47页 |
| 4.2.3 henon 混沌时间序列的预测仿真 | 第47-48页 |
| 4.3 结果分析 | 第48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 城市交通流量的预测仿真 | 第49-56页 |
| 5.1 交流预测概述 | 第49-50页 |
| 5.2 仿真实验 | 第50-54页 |
| 5.2.1 参数选取 | 第50-53页 |
| 5.2.2 实验结果 | 第53-54页 |
| 5.3 结果分析 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第6章 结论与展望 | 第56-58页 |
| 6.1 主要研究结论 | 第56页 |
| 6.2 研究展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间取得的科研成果 | 第64页 |