| 摘要 | 第7-8页 |
| abstract | 第8页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的及意义 | 第10-11页 |
| 1.3 铁矿石价格预测的国内外研究现状 | 第11-12页 |
| 1.4 主要研究内容 | 第12-14页 |
| 1.5 论文组织结构 | 第14-16页 |
| 2 基于相空间重构理论的小波-LSSVM粉铁矿价格预测模型架构 | 第16-20页 |
| 2.1 相空间重构理论 | 第16-17页 |
| 2.2 基于相空间重构理论的小波-LSSVM粉铁矿价格预测框架 | 第17-20页 |
| 3 小波变换分析和信号去噪理论 | 第20-28页 |
| 3.1 小波变换、消噪基本原理 | 第20-23页 |
| 3.1.1 阈值法小波消噪 | 第21-22页 |
| 3.1.2 小波消噪效果评价 | 第22-23页 |
| 3.2 小波多分辨分析及对本文的适用性 | 第23-28页 |
| 4 SVM与LSSVM理论 | 第28-41页 |
| 4.1 统计学习理论 | 第28-31页 |
| 4.1.1 VC维 | 第29-30页 |
| 4.1.2 风险结构最小化 | 第30-31页 |
| 4.2 支持向量机 | 第31-41页 |
| 4.2.1 最优分类面 | 第31-35页 |
| 4.2.2 核函数 | 第35-36页 |
| 4.2.3 支持向量机回归 | 第36-39页 |
| 4.2.4 最小二乘支持向量机回归 | 第39-41页 |
| 5 基于小波变换和LSSVM的粉铁矿组合预报模型的建立 | 第41-53页 |
| 5.1 小波变换消噪方法及参数确定 | 第41-44页 |
| 5.1.1 小波函数的选择 | 第41-43页 |
| 5.1.2 小波分解层数的选择 | 第43-44页 |
| 5.2 LSSVM模型的选择 | 第44页 |
| 5.2.1 核函数的选取 | 第44页 |
| 5.2.2 参数的分析和选取 | 第44页 |
| 5.3 粉铁矿现货价格预测模型仿真对照与分析 | 第44-49页 |
| 5.3.1 基于ARIMA模型的预测 | 第45-46页 |
| 5.3.2 基于LSSVM模型的预测 | 第46-47页 |
| 5.3.3 基于小波-LSSVM模型的预测 | 第47-49页 |
| 5.4 预测结果评价及对比分析 | 第49-53页 |
| 6 结论与研究展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
