| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究发展与现状 | 第9-12页 |
| 1.2.1 线性建模方法 | 第9-10页 |
| 1.2.2 非线性建模方法 | 第10-11页 |
| 1.2.3 组合模型 | 第11-12页 |
| 第二章 组合预测模型 | 第12-29页 |
| 2.1 SARIMA模型 | 第12-16页 |
| 2.1.1 时间序列 | 第12-15页 |
| 2.1.2 SARIMA模型原理 | 第15-16页 |
| 2.2 BP神经网络模型 | 第16-22页 |
| 2.2.1 人工神经网络简介 | 第16-18页 |
| 2.2.2 BP神经网络模型 | 第18-22页 |
| 2.3 粒子群优化算法 | 第22-24页 |
| 2.4 Adaboost算法 | 第24-26页 |
| 2.5 组合预测模型 | 第26-29页 |
| 2.5.1 SARIMA与BP神经网络组合模型 | 第26-27页 |
| 2.5.2 BP_Adaboost组合强预测器模型 | 第27-29页 |
| 第三章 实证研究 | 第29-37页 |
| 3.1 数据准备和评价标准 | 第29-30页 |
| 3.2 实验结果 | 第30-37页 |
| 第四章 结论与展望 | 第37-39页 |
| 参考文献 | 第39-41页 |
| 致谢 | 第41页 |