| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究目的和意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.4 本文的主要研究内容 | 第12-14页 |
| 第2章 最小二乘支持向量机 | 第14-22页 |
| 2.1 支持向量机 | 第14-19页 |
| 2.2 最小二乘支持向量机 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 基于PSR-LSSVM的预测模型 | 第22-38页 |
| 3.1 相空间重构理论 | 第22-26页 |
| 3.1.1 延迟时间的确定 | 第23-24页 |
| 3.1.2 嵌入维数的确定 | 第24-25页 |
| 3.1.3 混沌特性识别 | 第25-26页 |
| 3.2 粒子群优化算法 | 第26-28页 |
| 3.2.1 粒子群算法 | 第26-27页 |
| 3.2.2 改进的粒子群算法 | 第27-28页 |
| 3.3 PSR-LSSVM预测模型的建立 | 第28-30页 |
| 3.4 实证分析 | 第30-37页 |
| 3.4.1 三峡船闸日到锚货运量数据 | 第30-31页 |
| 3.4.2 预测性能评价标准 | 第31-32页 |
| 3.4.3 预测结果及分析 | 第32-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 基于EEMD和PSR-LSSVM的混合预测模型 | 第38-52页 |
| 4.1 EEMD基本原理 | 第38-41页 |
| 4.1.1 EMD分解原理 | 第38-40页 |
| 4.1.2 EEMD分解原理 | 第40-41页 |
| 4.2 EEMD-PSR-LSSVM混合预测模型的建立 | 第41-42页 |
| 4.3 实证分析 | 第42-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 结论与展望 | 第52-54页 |
| 5.1 结论 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表论文及参加科研项目情况 | 第58-59页 |
| 附录 | 第59-60页 |