基于支持向量回归的集成价格预测方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 价格预测问题简述 | 第10页 |
| 1.2 研究现状及意义 | 第10-11页 |
| 1.3 本文研究内容与结构 | 第11-13页 |
| 第2章 价格预测方法分析 | 第13-17页 |
| 2.1 现有价格预测方法分析 | 第13-15页 |
| 2.1.1 现有价格预测模型 | 第13-14页 |
| 2.1.2 现有价格预测模型特点 | 第14-15页 |
| 2.2 本文价格预测方法 | 第15-17页 |
| 第3章 第一阶段预测 | 第17-40页 |
| 3.1 灰系统GM(1,1)模型预测 | 第17-21页 |
| 3.1.1 灰系统预测模型基本原理 | 第17-19页 |
| 3.1.2 灰系统GM(1,1)模型预测结果 | 第19-21页 |
| 3.2 BP神经网络模型预测 | 第21-30页 |
| 3.2.1 神经网络预测模型基本原理 | 第21-27页 |
| 3.2.2 BP神经网络模型预测结果 | 第27-30页 |
| 3.3 一元时间序列模型预测 | 第30-40页 |
| 3.3.1 时间序列预测模型基本原理 | 第30-33页 |
| 3.3.2 一元时间序列模型预测结果 | 第33-40页 |
| 第4章 第二阶段预测 | 第40-54页 |
| 4.1 支持向量回归简介 | 第40-50页 |
| 4.1.1 支持向量机基本原理 | 第40-46页 |
| 4.1.2 支持向量机特点 | 第46页 |
| 4.1.3 支持向量回归基本原理 | 第46-49页 |
| 4.1.4 支持向量回归特点 | 第49-50页 |
| 4.2 基于支持向量回归集成预测模型结果 | 第50-52页 |
| 4.3 集成模型与基本模型预测结果比较 | 第52-54页 |
| 第5章 集成预测方法的实际应用 | 第54-56页 |
| 5.1 课题背景 | 第54页 |
| 5.2 实际应用 | 第54-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 作者简介及在学期间所取得的科研成果 | 第61-62页 |
| 致谢 | 第62页 |
