声明
摘要
第一章 引言
1.1 选题背景
1.2 国内外研究现状
1.2.1 时空序列预测方法
1.2.2 混合预测方法
1.3 研究目的
1.4 研究方法
1.5 本文框架
1.6 小结
第二章 使用方法
2.1 时空序列构造
2.2 时空序列和人工智能混合的预测原理
2.3 箱型图
2.4 CUTOFF缺失数据的插补
2.4.1 CUTOFF思想及建模过程
2.4.2 CUTOFF参数敏感性分析
2.5 小波变换
2.5.1 小波连续变换
2.5.2 离散小波变换
2.5.3 小波降噪
2.6 自组织特征映射神经网络
2.7 支持向量机
2.7.1 最小二乘支持向量机
2.7.2 工具箱介绍
2.8 K-CV交叉验证
第三章 研究区及数据介绍
3.1 研究区介绍
3.2 研究区地下水埋深分析
3.3 研究区地下水矿化度分析
3.4 数据收集
3.5 数据集特点分析
第四章 混合预测
4.1 混合预测技术,
4.2 模型参数的敏感性分析
4.3 灰狼算法
4.3.1 社会等级
4.3.2 包围猎物
4.3.3 狩猎
4.3.4 攻击猎物
4.4 灰狼算法优化LSSVM
4.5 单一的对比模型
4.5.1 人工神经网络
4.5.2 广义回归神经网络
4.5.3 极限学习机
4.5.4 灰色预测模型
第五章 实证研究过程
5.1 异常值处理
5.2 缺失数据值的插补
5.2.1 KNN缺失值插补
5.2.2 CUTOFF及参数寻优
5.2.3 实验结果分析
5.3 SOM聚类
5.4 小波降噪
5.5 LSSVM对时空序列训练设计
5.6 建立混合预测模型及参数寻优
5.7 结果分析与讨论
第六章 结论与展望
致谢
参考文献
在读期间发表论文