首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于支持向量机的时间序列预测

摘要第1-5页
Abstract第5-8页
1 绪论第8-11页
   ·课题的研究背景第8页
   ·国内外研究现状第8-9页
   ·本文主要工作及组织结构第9-11页
     ·主要工作第9-10页
     ·组织结构第10-11页
2 时间序列模型的理论概述第11-21页
   ·时间序列模型的相关概念第11-14页
     ·时间序列定义第11页
     ·平稳时间序列定义与检验方法第11-14页
   ·平稳时间序列模型第14-17页
     ·AR 模型的定义及其统计特性第14-15页
     ·MA模型的定义及其统计特征第15-16页
     ·ARMA模型的定义及其统计特征第16-17页
   ·非平稳时间序列模型第17-19页
     ·ARIMA模型第17-19页
     ·SARIMA 模型的识别与平稳化方法第19页
   ·建模流程第19-20页
   ·小结第20-21页
3 支持向量机理论概述第21-31页
   ·支持向量机的统计学习理论基础第21-26页
     ·机器学习问题描述第21-22页
     ·经验风险最小化原则与结构风险最小化原则第22-23页
     ·核函数第23-24页
     ·最优化理论第24-25页
     ·Wol fe 对偶第25-26页
   ·支持向量机回归理论第26-30页
     ·理论基础第26-27页
     ·线性回归算法第27-29页
     ·非线性回归算法第29-30页
   ·小结第30-31页
4 时间序列模型在铁路客运量预测中的应用实例第31-38页
   ·引言第31页
   ·客运量短期变化特点分析第31-33页
   ·基于SARIMA 模型的预测第33-37页
     ·数据预处理与平稳化第33-35页
     ·模型的建立与残差检验第35-36页
     ·模型的预测及分析比较第36-37页
   ·小结第37-38页
5 支持向量机在饮品销售量预测中的应用实例第38-44页
   ·引言第38页
   ·数据分析和预处理第38-39页
   ·模型的识别与建立第39-43页
     ·SARIMA 模型的识别与检验第39-41页
     ·自回归SVM 模型的建立第41-42页
     ·预测精度比较分析第42-43页
   ·小结第43-44页
6 总结与展望第44-46页
参考文献第46-47页
攻读硕士学位期间发表学术论文情况第47-48页
致谢第48页

论文共48页,点击 下载论文
上一篇:小学男教师职业认同研究
下一篇:智能轮式移动机器人的控制系统设计