| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 本论文的主要研究内容 | 第11页 |
| 1.4 本论文结构框架 | 第11-13页 |
| 第二章 理论基础知识及常见的模型 | 第13-23页 |
| 2.1 话务量基本理论 | 第13-14页 |
| 2.1.1 影响话务量的主要因素 | 第13-14页 |
| 2.2 湖泊演变的过程 | 第14-15页 |
| 2.3 常见的几种预测模型 | 第15-23页 |
| 2.3.1 自回归滑动平均模型 | 第15-16页 |
| 2.3.2 神经网络预测模型 | 第16页 |
| 2.3.3 支持向量机预测模型 | 第16-19页 |
| 2.3.4 灰色预测模型 | 第19-20页 |
| 2.3.5 高斯过程回归预测模型 | 第20-23页 |
| 第三章 基于蚁群算法优化支持向量机的移动话务量预测 | 第23-28页 |
| 3.1 引言 | 第23页 |
| 3.2 基本原理 | 第23-25页 |
| 3.2.1 支持向量回归机模型 | 第23-24页 |
| 3.2.2 蚁群优化算法 | 第24-25页 |
| 3.2.3 蚁群算法优化支持向量机 | 第25页 |
| 3.3 实验仿真 | 第25-27页 |
| 3.4 结语 | 第27-28页 |
| 第四章 基于EMD和高斯-灰色模型的话务量预测 | 第28-35页 |
| 4.1 引言 | 第28页 |
| 4.2 基本原理 | 第28-30页 |
| 4.2.1 经验模态分解 | 第28-29页 |
| 4.2.2 高斯过程 | 第29页 |
| 4.2.3 灰色预测 | 第29-30页 |
| 4.3 预测模型及过程 | 第30-31页 |
| 4.4 仿真实验分析 | 第31-33页 |
| 4.4.1 实验数据 | 第31-32页 |
| 4.4.2 仿真实验 | 第32-33页 |
| 4.5 结束语 | 第33-35页 |
| 第五章 关于湖泊轮廓变化趋势图像预测仿真研究 | 第35-46页 |
| 5.1 引言 | 第35-36页 |
| 5.2 模型基本原理 | 第36-37页 |
| 5.2.1 模型系统原理框图 | 第36页 |
| 5.2.2 图像信息采集系统 | 第36-37页 |
| 5.2.3 灰色模型 | 第37页 |
| 5.2.4 GM（1，1）模型具体建模步骤 | 第37页 |
| 5.3 仿真实验分析 | 第37-44页 |
| 5.3.1 数据来源 | 第37-39页 |
| 5.3.2 数据的的获得及分析方法 | 第39-41页 |
| 5.3.3 轮廓变化趋势预测 | 第41-43页 |
| 5.3.4 结果检验 | 第43-44页 |
| 5.4 结束语 | 第44-46页 |
| 第六章 总结与展望 | 第46-48页 |
| 6.1 总结 | 第46-47页 |
| 6.2 前景展望 | 第47-48页 |
| 参考文献 | 第48-54页 |
| 攻读学位期间发表的学术论文 | 第54-55页 |
| 致谢 | 第55-56页 |