| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 研究的主要内容 | 第13-14页 |
| 第二章 负荷预测算法研究分析 | 第14-25页 |
| 2.1 负荷预测算法概述 | 第14-22页 |
| 2.2 K折交叉验证及网格搜索模型训练 | 第22-23页 |
| 2.3 预测误差评判方式 | 第23-24页 |
| 2.4 小结 | 第24-25页 |
| 第三章 时间序列下的超短期负荷预测 | 第25-43页 |
| 3.1 基于随机森林回归负荷预测 | 第25-29页 |
| 3.2 基于梯度增强回归树负荷预测 | 第29-33页 |
| 3.3 基于LSTM负荷预测 | 第33-37页 |
| 3.4 基于XGBoost负荷预测 | 第37-41页 |
| 3.5 实验结果与分析 | 第41-42页 |
| 3.6 小结 | 第42-43页 |
| 第四章 多维度下的超短期负荷预测 | 第43-52页 |
| 4.1 单增加温度因素的XGBoost模型负荷预测 | 第43-45页 |
| 4.2 单增加湿度因素的XGBoost模型负荷预测 | 第45-46页 |
| 4.3 单增加降雨量的XGBoost模型负荷预测 | 第46-47页 |
| 4.4 温度、湿度、降雨量综合考虑的多维度XGBoost模型 | 第47-49页 |
| 4.5 实验结果与分析 | 第49-51页 |
| 4.6 小结 | 第51-52页 |
| 第五章 结论与展望 | 第52-53页 |
| 5.1 结论 | 第52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 个人简介 | 第57页 |
