| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 支持向量机模型的研究现状 | 第10-11页 |
| 1.2.2 粒子群算法的研究现状 | 第11页 |
| 1.2.3 误差修正的研究现状 | 第11-12页 |
| 1.3 本文研究内容及技术路线 | 第12-13页 |
| 1.4 本文主要创新点 | 第13-15页 |
| 第2章 基于GR-LSSVM模型的预测研究 | 第15-30页 |
| 2.1 问题的提出 | 第15-21页 |
| 2.2 改进的LSSVM模型的构建 | 第21-23页 |
| 2.3 基于灰色关联的特征选择 | 第23-27页 |
| 2.4 GR-LSSVM模型的预测及其性能分析 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于改进粒子群算法优化模型的预测研究 | 第30-42页 |
| 3.1 问题的提出 | 第30-31页 |
| 3.2 二阶粒子群算法的改进策略设计 | 第31-34页 |
| 3.2.1 自适应权重的设计策略 | 第32-33页 |
| 3.2.2 AWBPSO算法的设计步骤 | 第33-34页 |
| 3.3 GR-LSSVM的优化建模 | 第34-36页 |
| 3.4 GR-LSSVM优化模型的预测及其性能分析 | 第36-41页 |
| 3.4.1 AWBPSO算法迭代寻优效率的分析 | 第36-37页 |
| 3.4.2 AWBPSO算法优化模型的有效性分析 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于Markov优化模型的预测研究 | 第42-54页 |
| 4.1 问题的提出 | 第42-44页 |
| 4.2 Markov-GR-LSSVM优化模型的构建 | 第44-47页 |
| 4.3 Markov-GR-LSSVM优化模型的预测分析 | 第47-51页 |
| 4.4 Markov-GR-LSSVM优化模型的性能分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 研究总结 | 第54-55页 |
| 5.2 研究展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文 | 第61页 |
