| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题的研究背景 | 第9-10页 |
| 1.2 国内外研究情况 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10页 |
| 1.2.2 国内发展现状 | 第10-12页 |
| 1.3 研究意义 | 第12页 |
| 1.4 论文研究的主要内容及结构安排 | 第12-14页 |
| 1.4.1 主要内容 | 第12页 |
| 1.4.2 结构安排 | 第12-14页 |
| 第二章 灰色预测方法 | 第14-30页 |
| 2.1 引言 | 第14-15页 |
| 2.2 灰色系统理论的概念 | 第15-16页 |
| 2.3 灰色预测的相关原理 | 第16-17页 |
| 2.4 灰色预测的主要内容 | 第17-18页 |
| 2.5 GM(1,1)模型 | 第18-25页 |
| 2.5.1 GM(1,1)模型的基本原理 | 第18-21页 |
| 2.5.2 无偏GM(1,1)模型 | 第21-23页 |
| 2.5.3 pGM(1,1)模型 | 第23-25页 |
| 2.6 改进的GM(1,1)模型 | 第25-26页 |
| 2.6.1 原始GM(1,1)模型的局限性 | 第25-26页 |
| 2.6.2 基于二次插值的改进算法 | 第26页 |
| 2.7 灰色预测的步骤 | 第26-27页 |
| 2.7.1 数据的的检验与处理 | 第26-27页 |
| 2.7.2 模型的建立 | 第27页 |
| 2.7.3 预测值的检验 | 第27页 |
| 2.8 仿真实验 | 第27-29页 |
| 2.9 本章小结 | 第29-30页 |
| 第三章 支持向量机预测模型 | 第30-44页 |
| 3.1 引言 | 第30-31页 |
| 3.2 统计学习理论 | 第31-34页 |
| 3.2.1 机器学习的问题 | 第31-33页 |
| 3.2.2 经验风险的最小化原理 | 第33页 |
| 3.2.3 VC维的理论 | 第33-34页 |
| 3.2.4 结构风险最小化 | 第34页 |
| 3.3 SVR原理 | 第34-40页 |
| 3.3.1 SVM分类 | 第34-36页 |
| 3.3.2 支持向量机函数回归 | 第36-38页 |
| 3.3.3 核函数的种类 | 第38-39页 |
| 3.3.4 参数的选择 | 第39-40页 |
| 3.4 改进的SVR模型 | 第40-41页 |
| 3.5 仿真例证 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 基于GM-SVR预测模型的繁忙机场非常态运行保障预测 | 第44-56页 |
| 4.1 引言 | 第44-45页 |
| 4.2 繁忙机场非常态运行保障的内容 | 第45-46页 |
| 4.2.1 繁忙机场的定义 | 第45页 |
| 4.2.2 非常态的定义 | 第45页 |
| 4.2.3 繁忙机场非常态运行保障的内容 | 第45-46页 |
| 4.3 繁忙机场非常态运行保障预测模型 | 第46-47页 |
| 4.3.1 建立基于GM-SVR的繁忙机场非常态运行保障预测模型 | 第46页 |
| 4.3.2 建模步骤 | 第46-47页 |
| 4.4 基于GM-SVR的繁忙机场非常态运行保障预测实例 | 第47-55页 |
| 4.4.1 基于GM-SVR的繁忙机场非常态旅客吞吐量预测实例 | 第47-51页 |
| 4.4.2 基于GM-SVR的繁忙机场非常态飞机起降架次预测实例 | 第51-55页 |
| 4.5 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 作者简介 | 第61页 |
