| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 论文选题背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 时间序列预测方法 | 第12-14页 |
| 1.4 本文的主要内容 | 第14-15页 |
| 2 时间序列的LS-SVM模型建立 | 第15-25页 |
| 2.1 支持向量机原理 | 第15-19页 |
| 2.1.1 结构风险最小化 | 第15页 |
| 2.1.2 最优超平面和支持向量 | 第15-16页 |
| 2.1.3 支持向量机分类问题 | 第16-18页 |
| 2.1.4 支持向量机的回归问题 | 第18-19页 |
| 2.2 最小二乘支持向量机 | 第19-21页 |
| 2.3 核函数 | 第21-22页 |
| 2.4 基于LS-SVM的预测模型的建立 | 第22-24页 |
| 2.4.1 多步预测实现方法 | 第22-23页 |
| 2.4.2 建立LS-SVM预测模型的步骤 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 时间序列的经验模态分解 | 第25-36页 |
| 3.1 基本概念 | 第25-27页 |
| 3.1.1 瞬时频率 | 第26页 |
| 3.1.2 本征模态函数 | 第26-27页 |
| 3.1.3 特征时间尺度 | 第27页 |
| 3.2 EMD方法的原理分析 | 第27-32页 |
| 3.2.1 EMD方法的基本思想 | 第27-28页 |
| 3.2.2 EMD分解步骤 | 第28-29页 |
| 3.2.3 筛选过程停止准则 | 第29-31页 |
| 3.2.4 边界处理 | 第31-32页 |
| 3.3 EMD方法的特点 | 第32-33页 |
| 3.3.1 EMD方法的自适应性 | 第32页 |
| 3.3.2EMD方法的完备性 | 第32页 |
| 3.3.3 EMD方法的近似正交性 | 第32-33页 |
| 3.3.4 IMF分量的调制性 | 第33页 |
| 3.4 基于EMD分解的LS-SVM的风速预测模型的建立 | 第33-35页 |
| 3.4.1 模型参数的影响 | 第34-35页 |
| 3.4.2 模型参数的选择方法 | 第35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 模型参数的粒子群优化 | 第36-40页 |
| 4.1 粒子群优化算法基本原理 | 第36-38页 |
| 4.1.1 粒子群优化算法概述 | 第36页 |
| 4.1.2 粒子群优化算法主要的步骤 | 第36-37页 |
| 4.1.3 粒子群优化算法的特点 | 第37-38页 |
| 4.2 粒子群优化算法收敛性分析 | 第38-39页 |
| 4.2.1 粒子群优化算法的收敛性理论分析 | 第38页 |
| 4.2.2 粒子群优化算法的参数分析 | 第38-39页 |
| 4.3 基于PSO优化的EMD-LS-SVM模型建立 | 第39页 |
| 4.4 本章小结 | 第39-40页 |
| 5 实例分析 | 第40-58页 |
| 5.1 风速预测实例分析 | 第40-48页 |
| 5.1.1 基于LS-SVM模型的风速预测 | 第40页 |
| 5.1.2 基于EMD和PSO的LS-SVM模型的风速预测 | 第40-46页 |
| 5.1.3 风速预测误差分析 | 第46-48页 |
| 5.2 地震加速度预测实例分析 | 第48-56页 |
| 5.2.1 基于LS-SVM模型的地震加速度预测 | 第48-50页 |
| 5.2.2 基于EMD和PSO的LS-SVM模型的地震加速度预测 | 第50-54页 |
| 5.2.3 地震加速度预测误差分析 | 第54-56页 |
| 5.3 本章小结 | 第56-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 研究生期间发表的学术论文 | 第62-63页 |
| 作者简介 | 第63-64页 |
| 致谢 | 第64-65页 |
