| 中文摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 预测及其意义 | 第11页 |
| 1.2 时间序列预测 | 第11-16页 |
| 1.2.1 时间序列预测的相关概念 | 第12-13页 |
| 1.2.2 常用的时间序列预测模型 | 第13-14页 |
| 1.2.3 时间序列预测的主要步骤 | 第14-15页 |
| 1.2.4 时间序列预测性能的统计度量 | 第15-16页 |
| 1.3 时间序列的多步向前外推预测策略 | 第16-17页 |
| 1.3.1 迭代方法 | 第17页 |
| 1.3.2 直接方法 | 第17页 |
| 1.4 季节性时间序列多步向前预测及其研究现状 | 第17-19页 |
| 1.5 季节性时间序列多步向前外推预测研究中存在的问题 | 第19-20页 |
| 1.6 本文的主要研究内容 | 第20-22页 |
| 1.7 本文的结构 | 第22-23页 |
| 第二章 基于降噪和季节调整的多输出前馈神经网络 | 第23-63页 |
| 2.1 引言 | 第23-24页 |
| 2.2 基于经验模态分解的降噪方法 | 第24-33页 |
| 2.2.1 经验模态分解(EMD) | 第25-28页 |
| 2.2.2 一个基于EMD降噪的预测模型 | 第28-31页 |
| 2.2.3 基于EMD的滤波方法 | 第31-33页 |
| 2.3 季节调整技术 | 第33-35页 |
| 2.4 前馈神经网络的多输出预测 | 第35-49页 |
| 2.4.1 多层前馈神经网络的结构 | 第35-39页 |
| 2.4.2 前馈神经网络的代价函数 | 第39-41页 |
| 2.4.3 反向传播(BP)算法的理论 | 第41-47页 |
| 2.4.4 FFNN的多输出预测方案 | 第47-49页 |
| 2.5 本章所提出的预测模型 | 第49-54页 |
| 2.5.1 MFE模型 | 第50-51页 |
| 2.5.2 MFS模型 | 第51-52页 |
| 2.5.3 MFES模型 | 第52-54页 |
| 2.6 本章所提出的几个模型在电力负荷需求预测中的应用 | 第54-61页 |
| 2.6.1 数据收集 | 第54-55页 |
| 2.6.2 多输出预测及其实验结果 | 第55-57页 |
| 2.6.3 对比分析 | 第57-61页 |
| 2.7 本章小结 | 第61-63页 |
| 第三章 基于高阶Markov链模型的时变权重组合预测 | 第63-101页 |
| 3.1 引言 | 第63-65页 |
| 3.2 组合预测方法 | 第65-73页 |
| 3.2.1 定权重组合预测 | 第65-71页 |
| 3.2.2 变权重组合预测 | 第71-73页 |
| 3.2.3 TSSE与WA之间的关系 | 第73页 |
| 3.3 高阶Markov链模型 | 第73-79页 |
| 3.3.1 Q_i的估计 | 第76-77页 |
| 3.3.2 λ_i的估计 | 第77-79页 |
| 3.4 本章所提出的时变权重组合预测模型(HM-TWA) | 第79-87页 |
| 3.4.1 计算样本内组合权重 | 第79-80页 |
| 3.4.2 外推预测样本外时变权重 | 第80-84页 |
| 3.4.2.1 推广的Q_i估计方法 | 第81-83页 |
| 3.4.2.2 推广的λ_i估计方法 | 第83-84页 |
| 3.4.3 组合预测的多步向前外推预测方案 | 第84-87页 |
| 3.5 本章所提出的模型在中国月度电力消费预测中的应用 | 第87-95页 |
| 3.5.1 问题描述 | 第87页 |
| 3.5.2 数据收集 | 第87-88页 |
| 3.5.3 单项模型的选取 | 第88页 |
| 3.5.4 样本外预测性能的检验 | 第88-91页 |
| 3.5.5 预测未来一年的中国月度电力消费 | 第91-95页 |
| 3.6 本章小结 | 第95-97页 |
| 3.7 附录 | 第97-101页 |
| 3.7.1 先定季节指数预测法 | 第97-98页 |
| 3.7.2 先定趋势项预测法 | 第98页 |
| 3.7.3 Holt-Winters方法 | 第98-101页 |
| 第四章 域变窗口间组合预测模型 | 第101-131页 |
| 4.1 引言 | 第101-103页 |
| 4.2 本章建模的思想来源 | 第103-104页 |
| 4.3 Fisher最优分割法 | 第104-109页 |
| 4.4 本章所提出的动态多步向前外推预测模型 | 第109-117页 |
| 4.4.1 窗口间加权平均模型(WAW) | 第110-112页 |
| 4.4.2 基于Fisher最优分割的窗口间平均模型(FWAW) | 第112-113页 |
| 4.4.3 FWAW模型的动态预测方案 | 第113页 |
| 4.4.4 含大周期校正机制的FWAW模型(S-FW) | 第113-116页 |
| 4.4.5 含域变机制的S-FW模型(RS-FW) | 第116-117页 |
| 4.5 本章所提出的几个模型在电价动态预测中的应用 | 第117-130页 |
| 4.5.1 问题描述 | 第117-118页 |
| 4.5.2 数据收集 | 第118页 |
| 4.5.3 模型库容量及窗口模型 | 第118-119页 |
| 4.5.4 Fisher最优分割法对窗口模型的主动选择 | 第119-122页 |
| 4.5.5 聚类数目对准确度的影响 | 第122-124页 |
| 4.5.6 实验一的结果及讨论 | 第124-125页 |
| 4.5.7 实验二的结果及讨论 | 第125-130页 |
| 4.6 本章小结 | 第130-131页 |
| 第五章 结论与展望 | 第131-133页 |
| 参考文献 | 第133-143页 |
| 本人在读期间完成的工作 | 第143-145页 |
| 致谢 | 第145页 |
