基于最小二乘支持向量机的河涌水质预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-19页 |
| ·课题背景 | 第11-12页 |
| ·国内外研究现状 | 第12-17页 |
| ·河涌水质预测发展现状 | 第12-16页 |
| ·支持向量机的研究进展 | 第16-17页 |
| ·研究意义 | 第17-18页 |
| ·本文的工作 | 第18-19页 |
| ·研究内容 | 第18页 |
| ·研究方法 | 第18页 |
| ·本文的特色 | 第18-19页 |
| 第二章 河涌水质模型及预测方法分析 | 第19-32页 |
| ·河涌水质模型 | 第19-23页 |
| ·河涌水质模型选择原则 | 第19-20页 |
| ·建立河涌水质模型的主要步骤 | 第20-21页 |
| ·常用的河涌水质模型介绍 | 第21-23页 |
| ·河涌水质预测方法 | 第23-30页 |
| ·马尔可夫法 | 第24-25页 |
| ·时间序列法 | 第25-26页 |
| ·灰色系统模型法 | 第26-27页 |
| ·人工神经网络法 | 第27-30页 |
| ·支持向量机在河涌水质预测中的应用 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 统计学习理论与支持向量机 | 第32-42页 |
| ·机器学习 | 第32-33页 |
| ·经验风险最小化 | 第32-33页 |
| ·推广能力与复杂性 | 第33页 |
| ·统计学习理论 | 第33-38页 |
| ·VC维及推广能力的界 | 第33-35页 |
| ·结构风险最小化 | 第35-36页 |
| ·核函数 | 第36-38页 |
| ·支持向量机 | 第38-41页 |
| ·支持向量机原理分析 | 第38-40页 |
| ·支持向量机的优点及局限性分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于LS-SVM的河涌水质预测模型的实现 | 第42-53页 |
| ·最小二乘支持向量机(LS-SVM)原理 | 第42-43页 |
| ·LS-SVM的参数选择算法 | 第43-44页 |
| ·交叉检验法(cross validation) | 第43-44页 |
| ·基于网格搜索的参数确定法 | 第44页 |
| ·LS-SVM建模 | 第44-47页 |
| ·样本数据的处理 | 第45页 |
| ·性能评价指标 | 第45-46页 |
| ·核函数的选择 | 第46页 |
| ·各参数的确定 | 第46-47页 |
| ·仿真预测结果及分析 | 第47-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·总结 | 第53-54页 |
| ·展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间公开发表的论文 | 第59-61页 |
| 致谢 | 第61-62页 |
| 附录 | 第62-65页 |
