| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-19页 |
| ·研究背景 | 第8-9页 |
| ·时间序列预测的研究现状 | 第9-13页 |
| ·局域预测法 | 第9-10页 |
| ·人工神经网络 | 第10-11页 |
| ·核学习方法 | 第11-13页 |
| ·核学习方法的参数优化 | 第13-18页 |
| ·嵌入维数的优化 | 第13-15页 |
| ·超参数优化 | 第15-18页 |
| ·本文主要工作 | 第18-19页 |
| 2 基于Gamma Test的LSSVM参数优化 | 第19-38页 |
| ·Gamma Test方法 | 第19-22页 |
| ·基本算法 | 第19-21页 |
| ·Gamma Test的应用 | 第21-22页 |
| ·LSSVM参数优化及验证方法 | 第22-30页 |
| ·LSSVM简介 | 第22-24页 |
| ·超参数对LSSVM的影响 | 第24-26页 |
| ·超参数的验证方法 | 第26-28页 |
| ·关于嵌入维数 | 第28-30页 |
| ·基于Gamma Test的LSSVM参数优化 | 第30-38页 |
| ·超参数的验证 | 第30-31页 |
| ·基于梯度下降的快速优化算法 | 第31-38页 |
| 3 基于Gamma Test超参数优化在煤气系统预测中的应用 | 第38-53页 |
| ·背景介绍 | 第38-41页 |
| ·冶金企业煤气系统 | 第38-40页 |
| ·煤气流量预测存在问题 | 第40-41页 |
| ·煤气序列参数优化仿真 | 第41-53页 |
| ·选择邻近点个数 | 第41-43页 |
| ·煤气流量序列参数优化 | 第43-53页 |
| 4 总结与展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |