| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-20页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-18页 |
| ·传统预测方法 | 第12-14页 |
| ·现代预测方法 | 第14-18页 |
| ·本文研究的主要内容 | 第18-20页 |
| 2 统计学习理论与支持向量机 | 第20-32页 |
| ·机器学习与经验风险最小化 | 第20-21页 |
| ·统计学习理论 | 第21-23页 |
| ·VC维 | 第21页 |
| ·结构风险最小化 | 第21-23页 |
| ·泛化能力 | 第23页 |
| ·支持向量机算法 | 第23-29页 |
| ·支持向量机分类 | 第24-25页 |
| ·支持向量机回归 | 第25-29页 |
| ·最小二乘支持向量机算法 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 3 基于EEMD-LSSVM的组合预测模型及应用 | 第32-50页 |
| ·EEMD基本原理 | 第32-35页 |
| ·贝叶斯框架下的LSSVM回归模型 | 第35-39页 |
| ·LSSVM的模型参数及超参数定义 | 第36-37页 |
| ·贝叶斯证据框架 | 第37-39页 |
| ·EEMD-LSSVM预测模型建立及仿真研究 | 第39-48页 |
| ·预测模型建立 | 第39-40页 |
| ·误差分析指标 | 第40-41页 |
| ·仿真研究 | 第41-48页 |
| ·本章小结 | 第48-50页 |
| 4 基于混沌理论的EEMD-WLSSVM组合预测模型及应用 | 第50-66页 |
| ·LSSVM与其改进算法WLSSVM | 第50页 |
| ·相空间重构理论参数选取 | 第50-55页 |
| ·延迟时间选取 | 第51-53页 |
| ·嵌入维数选取 | 第53-55页 |
| ·Lyapunov指数 | 第55-57页 |
| ·Kolmogorov熵 | 第57页 |
| ·WLSSVM预测模型 | 第57-59页 |
| ·EEMD-WLSSVM预测模型建立及仿真研究 | 第59-65页 |
| ·预测模型建立 | 第59-60页 |
| ·仿真研究 | 第60-65页 |
| ·本章小结 | 第65-66页 |
| 5 结论与展望 | 第66-68页 |
| ·结论 | 第66-67页 |
| ·展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 作者简历 | 第74-76页 |
| 学位论文数据集 | 第76页 |