日气温和干旱指数支持向量回归预测方法
| 摘要 | 第1-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景和意义 | 第7-9页 |
| ·日气温预测 | 第7页 |
| ·干旱指数预测 | 第7-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·数值预报方法 | 第9-10页 |
| ·统计学方法 | 第10-11页 |
| ·存在不足 | 第11-12页 |
| ·论文的主要工作 | 第12页 |
| ·论文的组织结构 | 第12-13页 |
| 第二章 支持向量机理论基础 | 第13-18页 |
| ·支持向量机原理 | 第13-15页 |
| ·支持向量回归原理 | 第15-17页 |
| ·局部支持向量回归 | 第17页 |
| ·本章小结 | 第17-18页 |
| 第三章 日气温多变量时间序列局部SVR预测 | 第18-35页 |
| ·前言 | 第18页 |
| ·时间序列预测原理 | 第18-23页 |
| ·时间序列的相空间重构 | 第19-21页 |
| ·相空间重构参数计算 | 第21-23页 |
| ·局部支持向量回归建模 | 第23-27页 |
| ·最近邻点的选取 | 第24-26页 |
| ·基于局部SVR的多变量时间序列预测流程 | 第26-27页 |
| ·日气温仿真实验 | 第27-34页 |
| ·数据预处理 | 第27-28页 |
| ·日气温建模 | 第28-32页 |
| ·预测结果评价 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 帕尔默干旱指数时间序列SVR预测 | 第35-56页 |
| ·前言 | 第35-36页 |
| ·时间序列预处理 | 第36-37页 |
| ·序列平稳性检验 | 第36-37页 |
| ·序列平稳化处理 | 第37页 |
| ·年最大最小月干旱指数MTS-LSVR预测 | 第37-42页 |
| ·数据集描述 | 第38页 |
| ·年最大最小月干旱指数建模及评价 | 第38-42页 |
| ·基于小波变换的月干旱指数SVR预测 | 第42-55页 |
| ·小波变换理论 | 第42-43页 |
| ·基于小波变换的直接预测法 | 第43-45页 |
| ·基于直接预测法的月干旱指数SVR预测流程 | 第45-46页 |
| ·仿真实验 | 第46-50页 |
| ·多贝西小波函数系的适用性 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 总结和展望 | 第56-58页 |
| ·论文工作总结 | 第56页 |
| ·未来工作展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65页 |
