| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题背景及研究的目的和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 主要研究内容及章节安排 | 第14-16页 |
| 第2章 电力光纤线路状态预测原理 | 第16-26页 |
| 2.1 光纤通信技术概述 | 第16-17页 |
| 2.1.1 光纤通信的基本原理 | 第16页 |
| 2.1.2 电力光纤 | 第16-17页 |
| 2.2 电力光纤线路状态预测分析 | 第17-18页 |
| 2.3 时序数据预测方法分类及工作原理 | 第18-25页 |
| 2.3.1 线性时序模型预测方法 | 第18-20页 |
| 2.3.2 非线性时序模型预测方法 | 第20-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于小波分解的混合模型预测方法 | 第26-47页 |
| 3.1 电力光纤线路数据预处理 | 第26-29页 |
| 3.1.1 小波分解与重构 | 第27-29页 |
| 3.1.2 预测性能评价指标 | 第29页 |
| 3.2 光功率随机项预测模型构建 | 第29-34页 |
| 3.2.1 时间序列预测模型的识别 | 第29-30页 |
| 3.2.2 时间序列预测模型的构建 | 第30-32页 |
| 3.2.3 ARIMA建模及仿真分析 | 第32-34页 |
| 3.3 光功率趋势项预测模型构建 | 第34-42页 |
| 3.3.1 BP预测模型构建及仿真分析 | 第34-36页 |
| 3.3.2 RBF预测模型构建及仿真分析 | 第36-39页 |
| 3.3.3 SVM预测模型构建及仿真分析 | 第39-42页 |
| 3.4 基于小波分解的ARIMA-SVM混合模型预测方法 | 第42-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第4章 混合预测模型参数优化及分析 | 第47-56页 |
| 4.1 自适应粒子群优化算法 | 第47-53页 |
| 4.1.1 自适应粒子群优化算法原理 | 第47-49页 |
| 4.1.2 自适应粒子群优化算法流程 | 第49-50页 |
| 4.1.3 自适应粒子群优化算法仿真结果及分析 | 第50-53页 |
| 4.2 基于APSO优化ARIMA-SVM混合模型预测结果及分析 | 第53-55页 |
| 4.3 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第63-64页 |
| 致谢 | 第64页 |