| 摘要 | 第1-5页 |
| Summary | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·引言 | 第8页 |
| ·研究背景及意义 | 第8-10页 |
| ·研究进展 | 第10-11页 |
| ·研究内容 | 第11-14页 |
| 第二章 基础理论 | 第14-29页 |
| ·机器学习 | 第14-16页 |
| ·统计学习理论 | 第16-19页 |
| ·支持向量机 | 第19-28页 |
| ·环境承载力概述 | 第28-29页 |
| 第三章 支持向量机参数优化及其改进方法 | 第29-45页 |
| ·核函数参数确定 | 第29-30页 |
| ·基于遗传算法的核参数优化方法 | 第30-32页 |
| ·基于粒子群算法的核参数优化方法 | 第32-33页 |
| ·基于混沌映射Logistic和Lozi’s改进的两种混合果蝇算法 | 第33-39页 |
| ·实例分析 | 第39-45页 |
| 第四章 城市环境承载力预测模型的建立与验证 | 第45-64页 |
| ·城市环境承载力预测概述 | 第45-46页 |
| ·水资源承载力预测模型的建立与验证 | 第46-52页 |
| ·土地承载力预测模型的建立与验证 | 第52-57页 |
| ·大气承载力预测模型的建立与验证 | 第57-64页 |
| 第五章 基于支持向量机的环境承载力预测模型的应用 | 第64-72页 |
| ·兰州介绍 | 第64页 |
| ·兰州水资源承载力预测与分析 | 第64-67页 |
| ·兰州土地承载力预测与分析 | 第67-70页 |
| ·兰州大气承载力预测与分析 | 第70-72页 |
| 第六章 结论与展望 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 作者简介 | 第80-81页 |
| 导师简介 | 第81-82页 |