1 绪论
1.1.1论文研究的背景
1.1.2论文研究的意义
1.2.1国内研究现状
1.2.2国外研究现状
1.3 本文主要内容
2 预测模型及其原理
2.1引言
2.2 BP神经网络（BPNN）模型及其原理
2.3 支持向量机（SVM）模型及原理
2.4 随机森林预测模型及原理
2.4.1 分类与回归树模型(CART)
2.4.2 Bagging算法
2.4.3 随机森林（RF）算法
3 数据预处理
3.1 数据简介
3.2 数据预处理
3.2.1 相关性检验
3.2.2主成分分析
4实证分析
4.1 运行结果
4.1.1 BPNN运行结果
4.1.2 最小二乘法支持向量机（LSSVM）
4.1.3 随机森林
4.1.4 多元线性回归模型
4.2 误差分析
4.3 结论
5总结与展望
5.1 总结
5.2 展望
参考文献
附录
A.部分核心代码
B.学位论文数据集
致谢
声明
重庆大学;
