基于支持向量机模型的城市天然气需求量中长期预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 引言 | 第10-16页 |
| ·选题的背景及意义 | 第10-11页 |
| ·选题的背景 | 第10页 |
| ·研究的意义 | 第10-11页 |
| ·国内外相关研究概况及发展趋势 | 第11-13页 |
| ·国内外研究概况 | 第11-13页 |
| ·发展趋势 | 第13页 |
| ·本论文的研究思路与技术路线 | 第13页 |
| ·论文的主要成果 | 第13-16页 |
| 第2章 天然气需求量主要预测方法概述 | 第16-26页 |
| ·预测概论 | 第16-18页 |
| ·预测的基本概念 | 第16页 |
| ·预测的基本原理 | 第16-17页 |
| ·预测的程序 | 第17-18页 |
| ·天然气需求量预测的主要方法 | 第18-26页 |
| ·多元线性回归分析 | 第18-21页 |
| ·灰色预测模型 | 第21-23页 |
| ·神经网络模型 | 第23-24页 |
| ·时间序列模型 | 第24-26页 |
| 第3章 城市中长期天然气需求预测的指标体系构建 | 第26-33页 |
| ·研究现状 | 第26页 |
| ·指标体系的构建 | 第26-29页 |
| ·指标体系的构建原则 | 第26-27页 |
| ·指标体系的构建 | 第27-29页 |
| ·基于最佳子集的主要输入变量提取 | 第29-33页 |
| 第4章 城市天然气需求量中长期预测模型的建立 | 第33-49页 |
| ·支持向量机基本理论 | 第33-43页 |
| ·统计学习理论 | 第33-37页 |
| ·支持向量分类机 | 第37-41页 |
| ·支持向量回归机 | 第41-43页 |
| ·粒子群——最小二乘支持向量机模型的构建 | 第43-49页 |
| ·最小二乘支持向量机 | 第43-45页 |
| ·粒子群算法 | 第45-46页 |
| ·PSO-LS-SVM模型 | 第46-49页 |
| 第5章 应用实例分析 | 第49-53页 |
| ·应用实例分析 | 第49-52页 |
| ·指标预测 | 第49-51页 |
| ·模型预测 | 第51页 |
| ·结果分析 | 第51-52页 |
| ·对策与建议 | 第52-53页 |
| 结论 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间取得学术成果 | 第59-60页 |
| 附录A BP神经网络主要参数设置 | 第60-62页 |
