基于支持向量回归的集成价格预测方法研究 |
论文目录 | | | 摘要 | 第1-6页 | | Abstract | 第6-10页 | | 第1章 绪论 | 第10-13页 | | · 价格预测问题简述 | 第10页 | | · 研究现状及意义 | 第10-11页 | | · 本文研究内容与结构 | 第11-13页 | | 第2章 价格预测方法分析 | 第13-17页 | | · 现有价格预测方法分析 | 第13-15页 | | · 现有价格预测模型 | 第13-14页 | | · 现有价格预测模型特点 | 第14-15页 | | · 本文价格预测方法 | 第15-17页 | | 第3章 第一阶段预测 | 第17-40页 | | · 灰系统GM(1,1)模型预测 | 第17-21页 | | · 灰系统预测模型基本原理 | 第17-19页 | | · 灰系统GM(1,1)模型预测结果 | 第19-21页 | | · BP神经网络模型预测 | 第21-30页 | | · 神经网络预测模型基本原理 | 第21-27页 | | · BP神经网络模型预测结果 | 第27-30页 | | · 一元时间序列模型预测 | 第30-40页 | | · 时间序列预测模型基本原理 | 第30-33页 | | · 一元时间序列模型预测结果 | 第33-40页 | | 第4章 第二阶段预测 | 第40-54页 | | · 支持向量回归简介 | 第40-50页 | | · 支持向量机基本原理 | 第40-46页 | | · 支持向量机特点 | 第46页 | | · 支持向量回归基本原理 | 第46-49页 | | · 支持向量回归特点 | 第49-50页 | | · 基于支持向量回归集成预测模型结果 | 第50-52页 | | · 集成模型与基本模型预测结果比较 | 第52-54页 | | 第5章 集成预测方法的实际应用 | 第54-56页 | | · 课题背景 | 第54页 | | · 实际应用 | 第54-56页 | | 第6章 总结与展望 | 第56-58页 | | · 总结 | 第56-57页 | | · 展望 | 第57-58页 | | 参考文献 | 第58-61页 | | 作者简介及在学期间所取得的科研成果 | 第61-62页 | | 致谢 | 第62
页 |
|
|
|
