基于组合模型的城市PM2.5浓度预测研究

第一个书签之前

Abstract

第一章 绪论

1.1 选题背景及意义

1.2 国内外研究现状

1.3 论文研究内容

1.4 论文组织结构

第二章 相关理论知识

2.1 时序性预测

2.2 人工神经网络

2.2.1 神经元模型

2.2.2 BP神经网络

2.3 支持向量机

2.3.1 支持向量机简介

2.3.2 最小二乘支持向量机基本理论

2.4 智能优化算法

2.4.1 遗传优化算法

2.4.2 灰狼优化算法

2.5 本章小结

第三章 基于动态权重的组合预测模型

3.1 数据预处理分析

3.1.1 数据来源与缺失值处理

3.1.2 奇异谱降噪方法

3.1.3 归一化处理

3.2 模型评价指标

3.3 实验环境及流程

3.4 单项预测模型构建

3.4.1 构建SSA-GWO-LSSVM模型

3.4.2 构建SSA-GA-BP模型

3.5 动态权重组合预测模型的构建

3.5.1 模型提出动机与基本思想

3.5.2 动态权重组合预测模型的构建

3.6 本章小结

第四章 实验结果与分析

4.1 基于SSA-GWO-LSSVM预测模型实验结果分析

4.2 基于SSA-GA-BP预测模型实验结果分析

4.3 基于动态权重组合预测模型实验结果分析

4.4 不同模型实验结果对比分析

4.5 本章小结

第五章 总结与展望

5.1 本文总结

5.2 未来展望

参考文献

致 谢