| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.3 研究目标、研究内容及研究路线 | 第16-19页 |
| 1.3.1 研究目标 | 第16页 |
| 1.3.2 研究内容 | 第16-18页 |
| 1.3.3 研究路线 | 第18-19页 |
| 第2章 基于灰色理论的生活垃圾产量预测模型 | 第19-33页 |
| 2.1 灰色系统理论及模型原理 | 第19-21页 |
| 2.1.1 灰色系统理论 | 第19页 |
| 2.1.2 灰色GM(1,1)模型原理 | 第19-21页 |
| 2.2 灰色模型校验 | 第21-23页 |
| 2.2.1 相对误差大小检验法 | 第21-22页 |
| 2.2.2 后验差检验 | 第22-23页 |
| 2.2.3 关联度检验 | 第23页 |
| 2.3 灰色模型的缺陷 | 第23-24页 |
| 2.3.1 模型边值问题 | 第23-24页 |
| 2.3.2 最小二乘参数估计问题 | 第24页 |
| 2.4 基于粒子群优化算法的GM(1,1)模型参数优化 | 第24-28页 |
| 2.4.1 PSO优化算法简介 | 第24-27页 |
| 2.4.2 基于粒子群优化算法GM(1,1)模型的参数优化 | 第27-28页 |
| 2.5 基于灰色理论的生活垃圾产量预测算例 | 第28-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 基于时间序列的生活垃圾产量预测模型 | 第33-42页 |
| 3.1 ARIMA模型 | 第33-34页 |
| 3.2 ARIMA模型的优化 | 第34-35页 |
| 3.3 基于ARIMA生活垃圾产量预测模型算例 | 第35-41页 |
| 3.3.1 建立ARIMA(p,d,q)模型 | 第35-37页 |
| 3.3.2 ARIMA模型的识别与建立 | 第37-39页 |
| 3.3.3 ARIMA模型预测 | 第39-41页 |
| 3.3.4 残差修正法在ARIMA模型的应用 | 第41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 GM-ARIMA组合预测模型 | 第42-55页 |
| 4.1 组合模型原理 | 第42-43页 |
| 4.2 基于组合模型生活垃圾产量预测算例 | 第43-47页 |
| 4.2.1 简单平均组合预测模型预测 | 第43-44页 |
| 4.2.2 加权平均组合预测模型预测 | 第44页 |
| 4.2.3 基于PSO算法的GM-ARIMA模型在生活垃圾产量的预测 | 第44-47页 |
| 4.3 几类预测模型的比较分析 | 第47-51页 |
| 4.4 GM-ARIMA组合模型对成都市2016年-2020年生活垃圾处理量预测 | 第51-52页 |
| 4.5 关于成都市未来生活垃圾产量控制及对策的几点建议 | 第52-54页 |
| 4.6 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
