基于LS-SVM的时间序列预测方法及其应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-21页 |
| ·课题来源及研究的目的和意义 | 第9-10页 |
| ·国内外研究现状分析 | 第10-19页 |
| ·时间序列预测方法研究现状 | 第10-14页 |
| ·LS-SVM算法的研究现状 | 第14-17页 |
| ·基于LS-SVM的时间序列预测方法研究现状 | 第17-19页 |
| ·本文的研究内容与结构 | 第19-21页 |
| 第2章 基于LS-SVM的时间序列预测方法 | 第21-38页 |
| ·SVM与LS-SVM的基本原理 | 第21-27页 |
| ·统计学习的基本理论 | 第21-23页 |
| ·SVM的基本原理 | 第23-26页 |
| ·LS-SVM的基本原理 | 第26-27页 |
| ·基于LS-SVM的时间序列预测方法 | 第27-30页 |
| ·超参数的影响分析及优化方法 | 第30-37页 |
| ·超参数影响分析 | 第30-31页 |
| ·基于多级网格搜索的超参数优化方法 | 第31-34页 |
| ·基于遗传算法的超参数优化方法 | 第34-37页 |
| ·对比实验 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第3章 LS-SVM的输入向量构造方法 | 第38-50页 |
| ·输入向量构造方法概述 | 第38-39页 |
| ·基于功率谱分析的的输入向量构造方法研究 | 第39-43页 |
| ·序列的时域分析 | 第39页 |
| ·序列的功率谱分析 | 第39-41页 |
| ·基于功率谱分析的输入向量构造 | 第41-42页 |
| ·实验与结果分析 | 第42-43页 |
| ·基于自相关分析的多步预测输入向量构造方法研究 | 第43-49页 |
| ·多步预测实现方法 | 第43-45页 |
| ·基于自相关分析的输入向量构造方法 | 第45-47页 |
| ·实验与分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于LS-SVM的移动通信话务量预测方法 | 第50-71页 |
| ·常用的话务量预测方法 | 第50-51页 |
| ·基于LS-SVM的话务量单步预测方法 | 第51-59页 |
| ·话务量数据特性分析 | 第51-53页 |
| ·话务量单步预测的LS-SVM模型 | 第53-55页 |
| ·实验与分析 | 第55-59页 |
| ·基于LS-SVM的话务量多步预测方法 | 第59-63页 |
| ·基于自相关分析的输入向量构造 | 第59-60页 |
| ·实验与分析 | 第60-63页 |
| ·特殊节假日的话务量预测方法 | 第63-66页 |
| ·基于LS-SVM的短信量预测方法 | 第66-69页 |
| ·本章小结 | 第69-71页 |
| 第5章 移动通信话务量预测软件包的开发 | 第71-81页 |
| ·话务量预测系统功能概述 | 第71-73页 |
| ·话务量预测软件包的设计 | 第73-77页 |
| ·预测软件包的功能结构划分 | 第73-74页 |
| ·基于LS-SVM的话务量预测模块 | 第74-77页 |
| ·测试与评估 | 第77-80页 |
| ·本章小结 | 第80-81页 |
| 结论与展望 | 第81-83页 |
| 参考文献 | 第83-90页 |
| 攻读学位期间发表的学术论文及发明专利 | 第90-92页 |
| 致谢 | 第92页 |
