| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及其意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 相关理论知识介绍 | 第14-23页 |
| 2.1 数据挖掘 | 第14-16页 |
| 2.2 最小二乘支持向量机 | 第16-19页 |
| 2.3 正余弦优化算法 | 第19-21页 |
| 2.4 组合预测 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于EMD-SCA-LSSVM的相对湿度预测 | 第23-40页 |
| 3.1 经验模式分解(EMD) | 第23-25页 |
| 3.1.1 本征模函数(IMF) | 第23页 |
| 3.1.2 经验模式分解流程 | 第23-25页 |
| 3.2 正余弦优化最小二乘支持向量机 | 第25-26页 |
| 3.3 实验准备工作 | 第26-28页 |
| 3.3.1 数据介绍 | 第26-27页 |
| 3.3.2 评价指标 | 第27-28页 |
| 3.3.3 实验环境 | 第28页 |
| 3.4 EMD-SCA-LSSVM模型 | 第28-39页 |
| 3.4.1 构建模型流程 | 第28-30页 |
| 3.4.2 EMD分解及分析 | 第30-32页 |
| 3.4.3 模型建立 | 第32-37页 |
| 3.4.4 模型性能对比 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于双SCA-LSSVM模型的大气温度预测 | 第40-51页 |
| 4.1 模型构建流程 | 第40-41页 |
| 4.2 基于气象因素的大气温度预测 | 第41-44页 |
| 4.2.1 气象因素选取 | 第41-43页 |
| 4.2.2 实验结果 | 第43-44页 |
| 4.3 基于时间序列的大气温度预测 | 第44-45页 |
| 4.4 基于组合预测的大气温度预测 | 第45-49页 |
| 4.4.1 人工神经网络 | 第45-47页 |
| 4.4.2 人工神经网络构建组合模型 | 第47-48页 |
| 4.4.3 双SCA-LSSVM模型预测结果 | 第48-49页 |
| 4.5 模型性能对比 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-54页 |
| 5.1 本文总结 | 第51-52页 |
| 5.2 未来展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |