基于支持向量机的单变量非线性时间序列研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 选题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11页 |
| 1.3 研究目标、内容及方法 | 第11-12页 |
| 1.4 本文创新之处 | 第12页 |
| 1.5 本文组织结构 | 第12-13页 |
| 第二章 单变量时间序列 | 第13-25页 |
| 2.1 时间序列分类 | 第13页 |
| 2.2 时间序列预测模型 | 第13-16页 |
| 2.2.1 单变量线性时间序列预测模型 | 第15-16页 |
| 2.2.2 单变量非线性时间序列预测模型 | 第16页 |
| 2.3 混沌时间序列 | 第16-24页 |
| 2.3.1 相空间重构 | 第17-18页 |
| 2.3.2 延迟时间间隔τ的选择 | 第18-19页 |
| 2.3.3 嵌入维数 m 的选择 | 第19-22页 |
| 2.3.4 延迟时间间隔τ和嵌入维数m 联合选择 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 遗传算法和支持向量回归机 | 第25-38页 |
| 3.1 遗传算法(GA) | 第25-30页 |
| 3.1.1 遗传算法流程 | 第25-26页 |
| 3.1.2 遗传算法实现手段 | 第26-30页 |
| 3.2 支持向量回归机(SVR) | 第30-37页 |
| 3.2.1 支持向量机原理 | 第31-33页 |
| 3.2.2 支持向量回归机 | 第33-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 支持向量回归机在时间序列中的应用 | 第38-58页 |
| 4.1 预测效果评价指标 | 第38-39页 |
| 4.2 数据预处理 | 第39页 |
| 4.3 GA-SVR 时间序列预测模型 | 第39-42页 |
| 4.4 GA-SVR 仿真实验 | 第42-56页 |
| 4.4.1 混沌时间序列仿真实验 | 第42-51页 |
| 4.4.2 非线性时间序列仿真实验 | 第51-56页 |
| 4.5 本章小结 | 第56-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间取得的研究成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 附件 | 第64页 |
