基于正交函数分解和SVM的短期气候预测方法
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.1.1 课题的背景 | 第9-10页 |
| 1.1.2 课题目的及意义 | 第10页 |
| 1.2 国内外研究现状及存在的问题 | 第10-14页 |
| 1.3 主要研究内容和预期目标 | 第14页 |
| 1.3.1 主要研究内容 | 第14页 |
| 1.3.2 预期目标 | 第14页 |
| 1.4 本文的组织结构 | 第14-17页 |
| 第2章 相关技术理论基础 | 第17-25页 |
| 2.1 引言 | 第17-18页 |
| 2.2 经验正交函数分解方法 | 第18-20页 |
| 2.2.1 资料的距平化处理 | 第18-19页 |
| 2.2.2 经验正交函数分解方法步骤 | 第19-20页 |
| 2.3 经验模态分解 | 第20-23页 |
| 2.3.1 经验模态分解介绍 | 第20页 |
| 2.3.2 经验模态分解原理及方法步骤 | 第20-23页 |
| 2.4 支持向量机方法基本原理 | 第23-24页 |
| 2.4.1 统计学习理论 | 第23页 |
| 2.4.2 支持向量机分类 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于经验正交函数分解的SVM预测方法 | 第25-35页 |
| 3.1 引言 | 第25页 |
| 3.2 短期气候预测方案设计 | 第25-27页 |
| 3.3 实验数据说明 | 第27-30页 |
| 3.3.1 实验数据获取 | 第27-29页 |
| 3.3.2 实验数据选择 | 第29-30页 |
| 3.3.3 经验正交函数分解模态选择 | 第30页 |
| 3.4 预测方法优化 | 第30-33页 |
| 3.4.1 经验模态分解存在问题及解决办法 | 第30-32页 |
| 3.4.2 机器学习优化方法 | 第32-33页 |
| 3.5 本章小结 | 第33-35页 |
| 第4章 实验及结果分析 | 第35-57页 |
| 4.1 季度降水预测实验 | 第35-46页 |
| 4.1.1 经验正交函数分解结果 | 第35-38页 |
| 4.1.2 时间序列经验模态分解结果 | 第38-40页 |
| 4.1.3 时间序列预测结果 | 第40-41页 |
| 4.1.4 时间序列优化预测解结果 | 第41-46页 |
| 4.2 季度平均温度实验 | 第46-55页 |
| 4.2.1 经验正交函数分解结果 | 第46-48页 |
| 4.2.2 时间序列经验模态分解结果 | 第48-49页 |
| 4.2.3 时间序列预测结果 | 第49-51页 |
| 4.2.4 时间序列优化预测解结果 | 第51-55页 |
| 4.3 本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第63-64页 |
| 致谢 | 第64页 |
