摘要 | 第3-4页 |
Abstract | 第4页 |
第一章 绪论 | 第7-12页 |
1.1 问题研究意义与背景 | 第7-8页 |
1.2 悬浮颗粒物PM_(2.5)浓度预测方法研究 | 第8-10页 |
1.2.1 悬浮颗粒物PM_(2.5)浓度预测方法和研究现状 | 第8-10页 |
1.2.2 悬浮颗粒物PM_(2.5)浓度预测中存在的问题 | 第10页 |
1.3 本文的研究内容 | 第10-11页 |
1.4 本文创新点 | 第11-12页 |
第二章 分解算法及组合优化算法的理论研究 | 第12-20页 |
2.1 WPD分解算法 | 第12-13页 |
2.2 CEEMD分解算法 | 第13-14页 |
2.3 PSR基于C-C方法 | 第14-16页 |
2.4 LSSVR预测算法 | 第16-17页 |
2.5 CPSOGSA组合优化算法 | 第17-20页 |
2.5.1 PSO群体智能优化算法 | 第17-18页 |
2.5.2 GSA启发式优化算法 | 第18-19页 |
2.5.3 CPSOGSA组合优化算法 | 第19-20页 |
第三章 基于SD-LSSVR-CPSOGSA的“二次分解-集成”预测框架 | 第20-23页 |
3.1“分解-集成”预测框架 | 第20-21页 |
3.2 基于SD-LSSVR-CPSOGSA的“二次分解-集成”预测框架 | 第21-22页 |
3.3 本章小结 | 第22-23页 |
第四章 实证研究 | 第23-33页 |
4.1 数据描述和分析 | 第23页 |
4.2 预测性能评估标准 | 第23-24页 |
4.3 实验设计 | 第24-26页 |
4.3.1 二次分解算法 | 第24-25页 |
4.3.2 LSSVR模型参数选择 | 第25-26页 |
4.4 实验结果分析 | 第26-32页 |
4.4.1 沈阳预测结果分析 | 第28-30页 |
4.4.2 成都预测结果分析 | 第30-32页 |
4.5 本章小结 | 第32-33页 |
第五章 结论与展望 | 第33-35页 |
5.1 结论 | 第33页 |
5.2 展望 | 第33-35页 |
参考文献 | 第35-39页 |
硕士期间完成的工作 | 第39-40页 |
致谢 | 第40页 |