| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-20页 |
| ·选题背景及研究意义 | 第11-12页 |
| ·选题背景 | 第11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-17页 |
| ·国外研究现状 | 第13-15页 |
| ·国内研究现状 | 第15-16页 |
| ·对国内外研究现状的评述 | 第16-17页 |
| ·研究内容与研究方法 | 第17-20页 |
| ·研究内容 | 第17-18页 |
| ·研究方法 | 第18-20页 |
| 第2章 最小二乘支持向量机相关理论与方法 | 第20-28页 |
| ·统计学习理论 | 第20-22页 |
| ·统计学习理论的发展阶段 | 第20-21页 |
| ·VC 维 | 第21-22页 |
| ·结构风险最小化原则 | 第22页 |
| ·支持向量机理论 | 第22-24页 |
| ·支持向量机基本思想 | 第22-23页 |
| ·非线性支持向量回归机 | 第23-24页 |
| ·最小二乘支持向量机算法 | 第24-25页 |
| ·核函数的选择 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 煤炭港口备件需求分析及备件需求影响变量确定 | 第28-37页 |
| ·煤炭港口备件库存管理现状 | 第28-30页 |
| ·备件库存特点 | 第28-29页 |
| ·备件管理存在的问题 | 第29-30页 |
| ·煤炭港口备件需求分析 | 第30-32页 |
| ·备件需求产生的原因 | 第30-31页 |
| ·备件需求的特点 | 第31-32页 |
| ·煤炭港口备件需求影响变量的确定 | 第32-36页 |
| ·备件需求预测的对象 | 第32-33页 |
| ·备件需求影响因素分析 | 第33-34页 |
| ·基于 AHP 的备件需求影响变量的确定 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于 AMPSO-LSSVM 煤炭港口备件需求预测模型 | 第37-47页 |
| ·煤炭港口备件需求预测模型的建立步骤 | 第37-38页 |
| ·LS-SVM 预测的步骤 | 第38-42页 |
| ·构造数据样本 | 第38-39页 |
| ·数据预处理 | 第39-40页 |
| ·参数选择算法 | 第40-41页 |
| ·模型训练和回归预测 | 第41-42页 |
| ·改进粒子群算法及对 LS-SVM 参数的优化 | 第42-44页 |
| ·粒子群基本算法 | 第42-43页 |
| ·加入自适应变异的粒子群算法 | 第43-44页 |
| ·AMPSO 对 LS-SVM 参数的优化过程 | 第44页 |
| ·AMPSO-LSSVM 备件需求预测模型的建立与评价指标 | 第44-46页 |
| ·模型建立 | 第44-45页 |
| ·评价指标 | 第45页 |
| ·未知变量的确定方法 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 秦皇岛港备件需求预测实例分析 | 第47-61页 |
| ·数据集选择和参数确定 | 第47-48页 |
| ·预测结果对比分析 | 第48-51页 |
| ·预测结果 | 第48-49页 |
| ·与一般 LS-SVM 模型预测的对比 | 第49-50页 |
| ·不同输入变量个数下备件需求预测对比 | 第50-51页 |
| ·秦皇岛港关键备件需求预测支持系统的实现 | 第51-59页 |
| ·预测支持系统的预测流程 | 第52页 |
| ·预测支持系统的结构设计 | 第52-54页 |
| ·预测支持系统的具体实现 | 第54-59页 |
| ·对策及建议 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录 1 | 第67-70页 |
| 附录 2 | 第70-76页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第76-77页 |
| 致谢 | 第77-78页 |
| 作者简介 | 第78页 |
