基于相空间重构和极端学习机的甲醇价格短期和长期预测
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 本课题的研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 主要研究内容 | 第10页 |
| 1.4 本文的研究结构及内容 | 第10-13页 |
| 第2章 时间序列预测理论基础 | 第13-25页 |
| 2.1 引言 | 第13页 |
| 2.2 非线性时间序列预测 | 第13-16页 |
| 2.2.1 非线性时间序列预测特征提取方法 | 第14-15页 |
| 2.2.2 非线性时间序列预测方法 | 第15-16页 |
| 2.3 非线性时间序列的相空间重构 | 第16-17页 |
| 2.4 相空间重构参数选择方法 | 第17-24页 |
| 2.4.1 时间延迟?的确定 | 第17-20页 |
| 2.4.2 嵌入维数m的确定 | 第20-22页 |
| 2.4.3 同时确定嵌入维和延迟时间方法 | 第22-24页 |
| 2.5 小结 | 第24-25页 |
| 第3章 神经网络理论及极端学习问题依赖性分析 | 第25-41页 |
| 3.1 引言 | 第25页 |
| 3.2 人工神经网络概述 | 第25-26页 |
| 3.2.1 人工神经元 | 第25-26页 |
| 3.3 前向神经网络学习算法 | 第26-30页 |
| 3.3.1 感知器 | 第27页 |
| 3.3.2 BP神经网络算法 | 第27-30页 |
| 3.4 极端学习机 | 第30-33页 |
| 3.4.1 极端学习机算法理论基础 | 第30-33页 |
| 3.4.2 ELM算法步骤 | 第33页 |
| 3.5 极端学习问题依赖性研究 | 第33-39页 |
| 3.5.1 激活函数的选择 | 第33-34页 |
| 3.5.2 计算机仿真分析 | 第34-39页 |
| 3.6 小结 | 第39-41页 |
| 第四章 基于ELM的甲醇价格的短期和长期预测 | 第41-51页 |
| 4.1 引言 | 第41页 |
| 4.2 影响甲醇价格因素的相关性分析 | 第41-44页 |
| 4.2.1 甲醇产品价格预测评价指标的相关性分析 | 第42-44页 |
| 4.3 甲醇价格短期预测 | 第44-47页 |
| 4.3.1 数据的预处理 | 第45页 |
| 4.3.2 短期结果预测分析 | 第45-47页 |
| 4.4 甲醇价格长期预测 | 第47-50页 |
| 4.4.1 数据的预处理 | 第47-48页 |
| 4.4.2 长期结果预测分析 | 第48-50页 |
| 4.5 小结 | 第50-51页 |
| 第五章 基于改进ELM的甲醇价格的预测 | 第51-60页 |
| 5.1 引言 | 第51-52页 |
| 5.2 PSOGSA算法 | 第52-54页 |
| 5.2.1 粒子群优化(PSO) | 第52页 |
| 5.2.2 重力搜索算法(GSA) | 第52-54页 |
| 5.2.3 混合PSOGSA算法 | 第54页 |
| 5.3 PSOGSA-ELM算法 | 第54-55页 |
| 5.4 基于PSOGSA-ELM的甲醇价格预测 | 第55-59页 |
| 5.4.1 甲醇价格短期预测预测 | 第55-57页 |
| 5.4.2 甲醇价格短期长期预测 | 第57-59页 |
| 5.5 小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-63页 |
| 6.1 本文的主要成果 | 第60页 |
| 6.2 本文需要改进的地方 | 第60-61页 |
| 6.3 展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 在学期间主要科研成果 | 第69页 |
