| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文研究内容及章节安排 | 第10-13页 |
| 1.3.1 研究对象 | 第10-11页 |
| 1.3.2 研究方法 | 第11-12页 |
| 1.3.3 章节安排 | 第12-13页 |
| 1.4 本文创新之处 | 第13-14页 |
| 第二章 模型概述 | 第14-24页 |
| 2.1 变分模态分解(VMD) | 第14-15页 |
| 2.2 差分自回归滑动平均模型(ARIMA) | 第15-16页 |
| 2.3 支持向量回归(SVR) | 第16-17页 |
| 2.4 混合灰狼优化(HGWO) | 第17-20页 |
| 2.4.1 灰色狼群优化算法(GWO) | 第17-19页 |
| 2.4.2 差分进化(DE) | 第19页 |
| 2.4.3 混合灰狼优化算法(HGWO) | 第19-20页 |
| 2.5 VMD-ARIMA-HGWO-SVR组合模型(VAHS) | 第20-21页 |
| 2.6 VAHS组合模型流程图 | 第21页 |
| 2.7 模型评价标准 | 第21-24页 |
| 第三章 实证分析 | 第24-36页 |
| 3.1 数据来源 | 第24-25页 |
| 3.2 数据走势 | 第25-26页 |
| 3.3 VMD算法分解数据 | 第26-27页 |
| 3.4 ARIMA模型预测低频组分 | 第27-28页 |
| 3.5 HGWO-SVR模型预测高频组分 | 第28-31页 |
| 3.6 实证结果与模型评价 | 第31-36页 |
| 第四章 结论与展望 | 第36-38页 |
| 4.1 结论与讨论 | 第36-37页 |
| 4.2 研究展望 | 第37-38页 |
| 参考文献 | 第38-40页 |
| 致谢 | 第40页 |