| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·本文研究内容 | 第10页 |
| ·本文的组织结构 | 第10-11页 |
| 第二章 时间序列预测相关理论 | 第11-21页 |
| ·时间序列预测简介 | 第11-12页 |
| ·预测的基本概念 | 第11页 |
| ·时间序列预测的基本概念 | 第11-12页 |
| ·混沌时间序列预测 | 第12页 |
| ·均生函数预测方法简介 | 第12-14页 |
| ·均生函数的基本概念 | 第12-13页 |
| ·均生函数逐步回归模型 | 第13-14页 |
| ·支持向量机预测简介 | 第14-18页 |
| ·支持向量机的概念和基本思想 | 第15-16页 |
| ·支持向量机回归算法模型 | 第16-18页 |
| ·基于模糊集的时间序列预测简介 | 第18-20页 |
| ·大气预测的模糊性和模糊预测的基本概念 | 第18-19页 |
| ·模糊时间序列预测模型 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于经验模态分解和集合预报的算法改进 | 第21-33页 |
| ·时间序列预测算法的实现 | 第21-26页 |
| ·均生函数预测算法实现 | 第21-22页 |
| ·支持向量机回归算法实现 | 第22-23页 |
| ·基于模糊集的时间序列预测算法实现 | 第23-26页 |
| ·经验模态分解 | 第26-30页 |
| ·经验模态分解的算法原理 | 第26-28页 |
| ·基于经验模态分解的预测算法改进 | 第28-30页 |
| ·集合预报技术 | 第30-32页 |
| ·集合预报的算法实现 | 第30-31页 |
| ·基于集合预报的综合改进算法流程 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 预测实验及结果分析 | 第33-50页 |
| ·基于EMD的算法改进结果分析 | 第33-44页 |
| ·实验数据来源 | 第33-35页 |
| ·评价方法讨论 | 第35-36页 |
| ·实验结果与分析 | 第36-44页 |
| ·基于EMD和集合预报的综合算法改进结果与分析 | 第44-49页 |
| ·实验数据准备 | 第45页 |
| ·评价方法讨论 | 第45页 |
| ·试验结果与分析 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 时间序列的EMD分析及预测系统的设计与实现 | 第50-57页 |
| ·系统设计 | 第50-52页 |
| ·系统设计目标 | 第50页 |
| ·系统功能设计 | 第50-51页 |
| ·模块间的相互关系 | 第51-52页 |
| ·系统展示 | 第52-56页 |
| ·数据的输入和预处理 | 第52-54页 |
| ·时间序列预测模块 | 第54-55页 |
| ·集合预报模块 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·研究结论 | 第57页 |
| ·下一步研究方向 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 作者简介 | 第62-64页 |
| 致谢 | 第64页 |