| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-22页 |
| 1.1 本文的研究背景、目的与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-18页 |
| 1.3 论文结构和主要内容 | 第18-22页 |
| 2 EEMD-SVM时间序列预测方法 | 第22-34页 |
| 2.1 研究背景和研究动机 | 第22-23页 |
| 2.2 EEMD-SVM混合模型的构建过程 | 第23-27页 |
| 2.3 数据集来源及准确度检测方法 | 第27-29页 |
| 2.4 实验结果讨论 | 第29-33页 |
| 2.5 本章小结 | 第33-34页 |
| 3 基于EMD的混合建模框架中端点效应研究 | 第34-57页 |
| 3.1 引言 | 第34-35页 |
| 3.2 抑制端点效应的方法 | 第35-39页 |
| 3.3 端点效应对EMD-SVM预测模型的影响 | 第39-49页 |
| 3.4 一种考虑端点效应的混合建模预测方法 | 第49-56页 |
| 3.5 本章小结 | 第56-57页 |
| 4 基于EMD的时间序列多步预测及预测策略研究 | 第57-123页 |
| 4.1 引言 | 第57-58页 |
| 4.2 多步预测策略 | 第58-61页 |
| 4.3 基于粒子群优化算法和多输入多输出的策略研究 | 第61-87页 |
| 4.4 一种考虑端点效应的多步预测方法 | 第87-102页 |
| 4.5 基于多输出支持向量机的多步预测方法 | 第102-122页 |
| 4.6 本章小结 | 第122-123页 |
| 5 基于双变量经验模态分解技术的区间型时间序列预测研究 | 第123-165页 |
| 5.1 引言 | 第123-124页 |
| 5.2 基于多输出支持向量回归和萤火虫算法的区间型时间序列预测方法 | 第124-147页 |
| 5.3 基于双变量EMD和支持向量机的区间型时间序列预测方法 | 第147-164页 |
| 5.4 本章小结 | 第164-165页 |
| 6 总结与展望 | 第165-168页 |
| 6.1 全文总结 | 第165-167页 |
| 6.2 研究展望 | 第167-168页 |
| 致谢 | 第168-169页 |
| 参考文献 | 第169-182页 |
| 攻读博士学位期间的主要研究成果 | 第182-184页 |
| 作者在攻读博士学位期间发表的部分论文 | 第182-183页 |
| 作者在攻读博士学位期间从事的科研项目 | 第183页 |
| 作者在攻读博士学位期间所获奖励 | 第183-184页 |
| 作者在攻读博士学位期间学术活动 | 第184页 |
