基于SVM的梅雨量预测研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·引言 | 第7页 |
| ·国内外研究现状 | 第7-10页 |
| ·梅雨量预测研究现状 | 第7-9页 |
| ·支持向量机回归研究现状 | 第9-10页 |
| ·研究背景及历史意义 | 第10-11页 |
| ·论文的组织结构 | 第11-13页 |
| 第二章 统计学习理论与支持向量机 | 第13-23页 |
| ·统计学习理论 | 第13-17页 |
| ·经验风险最小化原则 | 第13-14页 |
| ·统计学习理论的主要思想 | 第14-17页 |
| ·支持向量机 | 第17-22页 |
| ·支持向量机回归原理 | 第18-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于SVM的时间序列预测 | 第23-31页 |
| ·时间序列概述 | 第23-24页 |
| ·时间序列的概念 | 第23页 |
| ·时间序列的种类 | 第23-24页 |
| ·SVM时间序列预测原理 | 第24-25页 |
| ·SVM核参数的确定方法 | 第25-29页 |
| ·网格搜索法 | 第25-26页 |
| ·遗传算法 | 第26-28页 |
| ·粒子群优化算法 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第四章 特征向量的预处理 | 第31-35页 |
| ·变量的统计特征 | 第31-33页 |
| ·样本数据归一化方法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第五章 SVM的时间序列模型在梅雨量预测中的应用 | 第35-50页 |
| ·长江中下游地区梅雨预测试验 | 第35-44页 |
| ·数据资料 | 第35页 |
| ·试验流程 | 第35-36页 |
| ·样本的构造 | 第36页 |
| ·核函数 | 第36-37页 |
| ·核参数的选取 | 第37页 |
| ·试验结果对比 | 第37-44页 |
| ·泰州地区梅雨量预测试验 | 第44-49页 |
| ·泰州地区梅雨量数据背景 | 第44页 |
| ·试验流程图 | 第44-45页 |
| ·样本的构造 | 第45页 |
| ·实验分析对比 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·总结 | 第50页 |
| ·展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 附录一 缩写词表 | 第58-59页 |
| 附录二 本文对应图表 | 第59-60页 |
| 作者简介 | 第60页 |
