基于支持向量机的气象预报方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 前言 | 第8-13页 |
| ·研究背景与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·统计学习理论及支持向量机 | 第9页 |
| ·短期气候预测 | 第9-11页 |
| ·研究内容及结构 | 第11-13页 |
| ·研究内容 | 第11页 |
| ·组织结构 | 第11-13页 |
| 第二章 支持向量机 | 第13-25页 |
| ·统计学习理论 | 第13-16页 |
| ·机器学习问题 | 第13-14页 |
| ·经验风险最小化(ERM) | 第14页 |
| ·VC维 | 第14-15页 |
| ·推广性的界 | 第15页 |
| ·结构风险最小化(SRM) | 第15-16页 |
| ·支持向量机基本原理 | 第16-22页 |
| ·支持向量机分类算法 | 第16-19页 |
| ·支持向量机回归 | 第19-21页 |
| ·最小二乘支持向量机 | 第21-22页 |
| ·核函数 | 第22-23页 |
| ·核函数的参数选择 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第三章 基于EMD-LSSVM的气象温度预测 | 第25-36页 |
| ·经验模态分解(EMD) | 第25-27页 |
| ·本征模态数(IMF) | 第25页 |
| ·EMD分解方法 | 第25-27页 |
| ·EMD-LSSVM模型 | 第27-31页 |
| ·EMD分解 | 第28页 |
| ·用于气象温度的模型构建 | 第28-31页 |
| ·实验结果及分析 | 第31-34页 |
| ·结论 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第四章 基于SVM的汛期降水量预测 | 第36-47页 |
| ·均生函数 | 第36-37页 |
| ·均生函数的计算 | 第36-37页 |
| ·均生函数的周期延拓 | 第37页 |
| ·MGF-SVM模型 | 第37-43页 |
| ·均生函数及周期延拓 | 第38页 |
| ·预测汛期降水的模型构建 | 第38-43页 |
| ·实验结果及分析 | 第43-46页 |
| ·小结 | 第46-47页 |
| 第五章 基于SVM的灾害天气预测 | 第47-56页 |
| ·基于SVM的寒冬预测 | 第47-50页 |
| ·实验数据构成 | 第47-48页 |
| ·建立模型 | 第48-49页 |
| ·实验结果及分析 | 第49-50页 |
| ·基于SVM的夏季异常预测 | 第50-55页 |
| ·SVM多分类算法 | 第50-51页 |
| ·实验数据的构成 | 第51-52页 |
| ·建立模型 | 第52-53页 |
| ·实验结果及分析 | 第53-55页 |
| ·小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·进一步的工作 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间发表论文及获奖情况 | 第61-62页 |
| 致谢 | 第62-63页 |
| 作者简介 | 第63页 |
