基于数据挖掘的机场噪声预测方法的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-16页 |
| ·论文研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本文的主要研究工作 | 第13-14页 |
| ·本文的内容安排 | 第14-16页 |
| 第二章 时间序列预测理论与方法 | 第16-30页 |
| ·时间序列预测的基本原理 | 第16-17页 |
| ·时间序列预测方法 | 第17-24页 |
| ·方法概要 | 第17-18页 |
| ·人工神经网络 | 第18-20页 |
| ·支持向量机 | 第20-21页 |
| ·支持向量回归 | 第21-24页 |
| ·SVM 时间序列预测 | 第24-29页 |
| ·数据集与预处理 | 第24-25页 |
| ·核函数 | 第25-26页 |
| ·参数的选定 | 第26-29页 |
| ·评价指标 | 第29页 |
| ·讨论 | 第29-30页 |
| 第三章 数据预处理及数据集 | 第30-40页 |
| ·数据预处理 | 第30-34页 |
| ·平滑法处理 | 第30-32页 |
| ·规范化处理 | 第32-34页 |
| ·数据集形成 | 第34-36页 |
| ·单元素时间序列 | 第35-36页 |
| ·多元素时间序列 | 第36页 |
| ·结果分析 | 第36-39页 |
| ·实验过程 | 第36-38页 |
| ·实验结果 | 第38-39页 |
| ·讨论 | 第39-40页 |
| 第四章 时间序列加权的改进 | 第40-49页 |
| ·加权的支持向量回归理论 | 第40-43页 |
| ·一般的加权支持向量回归 | 第40-42页 |
| ·软剔除的加权支持向量回归 | 第42-43页 |
| ·机场噪声预测加权方法 | 第43-46页 |
| ·单元素时间序列 | 第43-45页 |
| ·多元素时间序列 | 第45-46页 |
| ·机场噪声预测 | 第46页 |
| ·结果分析 | 第46-48页 |
| ·实验过程 | 第46-47页 |
| ·实验结果 | 第47-48页 |
| ·讨论 | 第48-49页 |
| 第五章 交叉验证 | 第49-56页 |
| ·交叉验证过程 | 第49-51页 |
| ·支持向量回归的主要参数 | 第49页 |
| ·参数选择方法 | 第49-51页 |
| ·改进方法 | 第51-53页 |
| ·改进的方法 | 第51-52页 |
| ·进一步的改进 | 第52-53页 |
| ·结果分析 | 第53-54页 |
| ·实验过程 | 第53页 |
| ·实验结果 | 第53-54页 |
| ·讨论 | 第54-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·本文的主要研究工作 | 第56页 |
| ·本文的创新之处 | 第56-57页 |
| ·进一步研究工作 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 在学期间的研究成果及发表的学术论文 | 第62页 |
