| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第7-22页 |
| ·研究背景及意义 | 第7-11页 |
| ·国内外研究现状 | 第11-20页 |
| ·单维时间序列预测中的数据预处理和支撑向量机方法 | 第12-15页 |
| ·多维输入时间序列预测与粗糙集理论及神经网络的应用 | 第15-20页 |
| ·论文的主要内容 | 第20-22页 |
| 第二章 趋势和季节调整与支持向量机的结合在电力需求预测的应用 | 第22-44页 |
| ·单维时间序列的预处理——趋势成分与季节成分 | 第22-27页 |
| ·检验季节的存在性 | 第22-24页 |
| ·先定趋势的预测技术 | 第24-27页 |
| ·ε-不敏感损失函数支持向量机方法 | 第27-35页 |
| ·回归问题的提出 | 第27-30页 |
| ·线性支持回归向量机 | 第30-34页 |
| ·回归问题的数学提法 | 第34-35页 |
| ·趋势和季节调整与支持向量机的结合——以电力需求预测为例 | 第35-44页 |
| ·电力需求预测背景及现状 | 第35-39页 |
| ·先定趋势考虑季节影响的ε-不敏感损失函数支持向量机方法在电力需求预测的应用 | 第39-44页 |
| 第三章 粗糙集方法与BP网络及GMDH网络的结合在大气污染预测的应用 | 第44-66页 |
| ·粗糙集理论 | 第44-48页 |
| ·粗糙集理论概述 | 第44-45页 |
| ·粗糙集理论相关知识 | 第45-48页 |
| ·PSO-BP网络 | 第48-59页 |
| ·PSO理论 | 第48-49页 |
| ·BP网络 | 第49-51页 |
| ·RS-PSO-BP网络在大气污染物浓度预测中的应用 | 第51-59页 |
| ·GMDH网络 | 第59-63页 |
| ·GMDH网络理论 | 第60-61页 |
| ·GMDH网络的训练 | 第61-62页 |
| ·基于GMDH网络的预测 | 第62-63页 |
| ·RS-GMDH网络 | 第63-66页 |
| ·RS-GMDH网络 | 第63页 |
| ·RS-GMDH网络在大气污染物浓度中预测中的应用 | 第63-66页 |
| 第四章 结论与建议 | 第66-69页 |
| 参考文献 | 第69-72页 |
| 作者在读研期间科研成果简介 | 第72-73页 |
| 致谢 | 第73页 |
