声明
摘要
1 绪论
1.1 论文选题背景及意义
1.2 国内外研究现状
1.3 时间序列预测方法
1.4 本文的主要内容
2 时间序列的LS-SVM模型建立
2.1 支持向量机原理
2.1.1 结构风险最小化
2.1.2 最优超平面和支持向量
2.1.3 支持向量机分类问题
2.1.4 支持向量机的回归问题
2.2 最小二乘支持向量机
2.3 核函数
2.4 基于LS-SVM的预测模型的建立
2.4.1 多步预测实现方法
2.4.2 建立LS-SVM预测模型的步骤
2.5 本章小结
3 时间序列的经验模态分解
3.1 基本概念
3.1.1 瞬时频率
3.1.2 本征模态函数
3.1.3 特征时间尺度
3.2 EMD方法的原理分析
3.2.1 EMD方法的基本思想
3.2.2 EMD分解步骤
3.2.3 筛选过程停止准则
3.2.4 边界处理
3.3 EMD方法的特点
3.3.1 EMD方法的自适应性
3.3.2 EMD方法的完备性
3.3.3 EMD方法的近似正交性
3.3.4 IMF分量的调制性
3.4 基于EMD分解的LS-SVM的风速预测模型的建立
3.4.1 模型参数的影响
3.4.2 模型参数的选择方法
3.5 本章小结
4 模型参数的粒子群优化
4.1 粒子群优化算法基本原理
4.1.1 粒子群优化算法概述
4.1.2 粒子群优化算法主要的步骤
4.1.3 粒子群优化算法的特点
4.2 粒子群优化算法收敛性分析
4.2.1 粒子群优化算法的收敛性理论分析
4.2.2 粒子群优化算法的参数分析
4.3 基于PSO优化的EMD-LS-SVM模型建立
4.4 本章小结
5 实例分析
5.1 风速预测实例分析
5.1.1 基于LS-SVM模型的风速预测
5.1.2 基于EMD和PSO的LS-SVM模型的风速预测
5.1.3 风速预测误差分析
5.2 地震加速度预测实例分析
5.2.1 基于LS-SVM模型的地震加速度预测
5.2.2 基于EMD和PSO的LS-SVM模型的地震加速度预测
5.2.3 地震加速度预测误差分析
5.3 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
研究生期间发表的学术论文
作者简介
致谢
河北农业大学;