| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 第一章 引言 | 第7-11页 |
| 1.1 研究现状 | 第7-9页 |
| 1.1.1 国外研究现状 | 第7-8页 |
| 1.1.2 国内研究现状 | 第8-9页 |
| 1.2 本文的主要内容内容及结构 | 第9-11页 |
| 1.2.1 主要内容 | 第9页 |
| 1.2.2 本文结构 | 第9-11页 |
| 第二章 指数平滑方法与状态空间模型 | 第11-29页 |
| 2.1 指数平滑方法 | 第11-12页 |
| 2.1.1 时间序列分解 | 第11页 |
| 2.1.2 指数平滑方法的分类 | 第11-12页 |
| 2.2 指数平滑方法的点预测 | 第12-19页 |
| 2.2.1 常用指数平滑方法的点预测形式推导 | 第13-16页 |
| 2.2.2 所有指数平滑方法的点预测形式 | 第16-19页 |
| 2.3 基于状态空间模型的指数平滑方法 | 第19-25页 |
| 2.3.1 创新状态空间模型 | 第19-20页 |
| 2.3.2 常用指数平滑方法的状态空间模型形式推导 | 第20-21页 |
| 2.3.3 所有指数平滑方法的状态空间模型 | 第21-25页 |
| 2.4 应用指数平滑方法时的三个重要问题 | 第25-28页 |
| 2.4.1 初始化问题 | 第25-26页 |
| 2.4.2 参数估计 | 第26页 |
| 2.4.3 模型选择 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 预测与优化的其他相关理论 | 第29-33页 |
| 3.1 时间序列聚合理论(Time Aggregation Thoery) | 第29页 |
| 3.2 组合预测理论 | 第29-30页 |
| 3.3 组合系数优化方法 | 第30-33页 |
| 3.3.1 粒子群优化方法(PSO) | 第30-31页 |
| 3.3.2 布谷鸟算法 | 第31-32页 |
| 3.3.3 人工鱼群算法(Artificial Fish Swarm Algorithm) | 第32-33页 |
| 第四章 实例研究——以短期电力负荷预测为例 | 第33-45页 |
| 4.1 短期电力负荷预测 | 第33页 |
| 4.1.1 数据解释 | 第33页 |
| 4.1.2 本研究所使用的软件 | 第33页 |
| 4.2 模拟结果及分析 | 第33-45页 |
| 4.2.1 数据预处理——时间序列聚合 | 第34页 |
| 4.2.2 指数平滑方法 | 第34-37页 |
| 4.2.3 组合预测及组合权重系数优化 | 第37-43页 |
| 4.2.4 对比研究 | 第43-45页 |
| 第五章 结论 | 第45-47页 |
| 5.1 结论 | 第45页 |
| 5.2 本文主要贡献 | 第45-46页 |
| 5.3 未来研究展望 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 致谢 | 第49页 |
