[1] Vapnik V. 统计学习理论[M]. 许建华, 张学工译. 北京: 电子工业出版社, 2004. [2] 许建华, 张学工, 李衍达.支持向量机的新发展[J]. 控制与决策, 2004, 19 (5): 481-485. [3] 宇缨, 李清华. 统计学习理论和支持向量机[J]. 沈阳大学学报, 2005, 17(4): 42-47. [4] 王景雷, 吴景社, 孙景生, 等. 支持向量机在地下水位预报中的应用研究[J]. 水利学报, 2003, 49(5): 124-128. [5] 崔万照, 朱长纯, 保文星, 等. 混沌时间序列的支持向量机预测[J]. 物理学报, 2004, 53(10): 3304-3309. [6] 孙德山, 吴今培, 侯振挺, 等. 基于SVR 的混沌时间序列预测[J]. 计算机工程应用, 2004, 54(2): 54-56. [7] 王炜, 刘悦, 李国正, 等. 中国大陆强震时间序列预测的支持向量机方法[J]. 地震, 2005, 25(4): 26-32. [8] 裴韬, 周成虎, 汪闽, 等. 用二进小波分析方法对华北地区强震活动期的研究[J]. 地震研究, 2004, 27(11): 37-42. [9] 飞思产品研发中心. 小波分析理论与MATLAB 7实现[M]. 北京: 电子工业出版社, 2005. [10] 宋超, 黄民翔, 叶剑斌. 小波分析方法在电力系统短期负荷预测中的应用[J]. 电力系统及其自动化学报, 2002, 11(3): 8-12. [11] 徐军华, 刘天琪. 基于小波分解和人工神经网络的短期负荷预测[J]. 电网技术, 2004, 28(8): 30-33. [12] 王炜, 谢端, 宋先月, 等. 使用人工神经网络进行我国大陆强震时间序列预测[J]. 西北地震学报, 2002, 24(4): 315-319. [13] 国家地震局震害防御司. 中国历史强震目录[M]. 北京: 地震出版社, 1995. [14] 国家地震局震害防御司. 中国近代地震目录[M]. 北京: 中国科技出版社, 1999. |