支持向量机在贵阳凝冻天气预测中的应用
| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 1 绪论 | 第6-10页 |
| ·凝冻研究的背景及意义 | 第6页 |
| ·背景 | 第6页 |
| ·意义 | 第6页 |
| ·国内外凝冻预测的发展现状 | 第6-8页 |
| ·国外研究现状 | 第6-7页 |
| ·国内研究现状 | 第7-8页 |
| ·本论文研究的主要内容和创新点 | 第8-10页 |
| ·本论文研究的主要内容 | 第8-10页 |
| ·本论文的创新点 | 第10页 |
| 2 统计学习理论与支持向量机 | 第10-20页 |
| ·引言 | 第10-11页 |
| ·机器学习的基本问题 | 第11-12页 |
| ·支持向量机分类 | 第12-20页 |
| ·分类问题和分类学习机 | 第12-16页 |
| ·线性可分支持向量机分类 | 第16-18页 |
| ·支持向量机 | 第18-19页 |
| ·核函数 | 第19-20页 |
| ·本章小结 | 第20页 |
| 3 凝冻的数据处理 | 第20-25页 |
| ·数据来源 | 第20页 |
| ·凝冻年际变化特点 | 第20-21页 |
| ·凝冻的空间分布特征 | 第21页 |
| ·凝冻的主要影响因素 | 第21-25页 |
| ·凝冻日数和温度的变化关系 | 第22页 |
| ·凝冻日数与降雨量的关系 | 第22-23页 |
| ·凝冻日数与相对湿度的关系 | 第23-24页 |
| ·凝冻日数与风速的关系 | 第24页 |
| ·凝冻日数与气压的关系 | 第24-25页 |
| ·本章小结 | 第25页 |
| 4 凝冻天气的预测模型 | 第25-39页 |
| ·研究对象 | 第25页 |
| ·常规预测方法 | 第25-26页 |
| ·支持向量机方法 | 第26-28页 |
| ·模型的基本步骤 | 第26页 |
| ·模型中参数的确定 | 第26-27页 |
| ·模型建立 | 第27-28页 |
| ·BP 神经网络方法 | 第28-33页 |
| ·BP 网络结构图 | 第29页 |
| ·BP 网络学习过程 | 第29-30页 |
| ·BP 神经网络的算法步骤可归纳为 | 第30-31页 |
| ·BP 神经网络预测模型的建立 | 第31-32页 |
| ·应用实例 | 第32-33页 |
| ·组合预测模型 | 第33-39页 |
| ·算术平均法 | 第33页 |
| ·预测误差平方和倒数方法 | 第33-34页 |
| ·均方误差倒数方法 | 第34页 |
| ·简单加权平均方法 | 第34-35页 |
| ·二项式系数方法 | 第35-39页 |
| ·本章小结 | 第39页 |
| 5 实验结果 | 第39-40页 |
| 6 结论与展望 | 第40-42页 |
| ·结论 | 第40页 |
| ·展望 | 第40-42页 |
| 参考文献 | 第42-46页 |
| 致谢 | 第46-47页 |
| 个人简历 | 第47页 |
