| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 符号说明 | 第12-13页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 课题背景 | 第13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 本文研究的主要内容及创新点 | 第16-17页 |
| 1.3.1 研究的主要内容 | 第16-17页 |
| 1.3.2 创新点 | 第17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 预测技术相关理论 | 第18-34页 |
| 2.1 概述 | 第18-19页 |
| 2.2 预测的基本步骤 | 第19-20页 |
| 2.3 单项预测模型相关理论 | 第20-30页 |
| 2.3.1 时间序列预测模型 | 第20-21页 |
| 2.3.2 计量经济模型 | 第21-22页 |
| 2.3.3 灰色系统预测模型 | 第22-24页 |
| 2.3.4 人工神经网络 | 第24-30页 |
| 2.4 组合预测模型相关理论 | 第30-33页 |
| 2.4.1 组合预测的基本思想 | 第30-31页 |
| 2.4.2 组合预测方法分类 | 第31-32页 |
| 2.4.3 常见的非最优正权组合预测模型权重确定方法 | 第32-33页 |
| 2.4.4 评价预测效果的指标体系 | 第33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于人工蜂群算法的最优组合预测模型 | 第34-50页 |
| 3.1 人工蜂群算法 | 第34-38页 |
| 3.1.1 人工蜂群算法的基本原理 | 第34-36页 |
| 3.1.2 人工蜂群算法的实现步骤 | 第36-38页 |
| 3.2 基于预测误差指标的最优组合预测模型 | 第38-44页 |
| 3.2.1 以预测误差平方和达到最小的线性组合预测模型 | 第38页 |
| 3.2.2 以预测误差绝对值和达到最小的线性组合预测模型 | 第38-39页 |
| 3.2.3 实例分析 | 第39-44页 |
| 3.3 非线性加权平均的最优组合预测 | 第44-49页 |
| 3.3.1 调和平均组合预测模型 | 第44-45页 |
| 3.3.2 基于L2和L1范数的加权几何平均组合预测模型 | 第45-46页 |
| 3.3.3 实例分析 | 第46-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 基于IOWHA算子的组合预测模型 | 第50-64页 |
| 4.1 IOWHA算子组合预测模型 | 第50-56页 |
| 4.1.1 基本概念 | 第50-51页 |
| 4.1.2 基本的IOWHA算子组合预测模型 | 第51-56页 |
| 4.2 改进的IOWHA算子组合预测模型 | 第56-60页 |
| 4.2.1 基于二阶预测有效度的IOWHA组合预测模型 | 第56-59页 |
| 4.2.2 基于L1范数的最小几何距离准则的IOWHA组合预测模型 | 第59-60页 |
| 4.3 实例分析 | 第60-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 结论与展望 | 第64-66页 |
| 5.1 论文总结 | 第64页 |
| 5.2 下一步工作 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间发表的论文和专利 | 第71-72页 |
| 发表的论文 | 第71页 |
| 申请的专利 | 第71-72页 |
| 学位论文评阅及答辩情况表 | 第72页 |
