基于改进支持向量机的风电场短期出力预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| Contents | 第10-13页 |
| 第一章 绪论 | 第13-20页 |
| ·课题背景及意义 | 第13页 |
| ·国内外研究现状 | 第13-18页 |
| ·国外研究现状 | 第13-14页 |
| ·国内研究现状 | 第14-18页 |
| ·本文主要工作 | 第18-19页 |
| ·本文的研究目标 | 第18-19页 |
| ·本文的研究内容 | 第19页 |
| ·本文拟解决的关键问题 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第二章 支持向量机 | 第20-33页 |
| ·机器学习问题 | 第20页 |
| ·统计学习理论 | 第20-23页 |
| ·VC维 | 第21页 |
| ·推广性的界 | 第21-22页 |
| ·结构风险最小化 | 第22-23页 |
| ·支持向量机原理 | 第23-27页 |
| ·最优分类面 | 第24-25页 |
| ·线性可分支持向量机 | 第25-26页 |
| ·线性不可分支持向量机 | 第26页 |
| ·非线性支持向量机 | 第26-27页 |
| ·核函数 | 第27-31页 |
| ·核函数的定义 | 第28-29页 |
| ·核函数的判定 | 第29-30页 |
| ·核函数的选择 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第三章 支持向量机回归问题 | 第33-42页 |
| ·支持向量机回归的原理 | 第33-35页 |
| ·支持向量机回归的学习算法 | 第35-39页 |
| ·回归问题学习算法的发展 | 第36页 |
| ·最小优化算法 | 第36-39页 |
| ·支持向量机回归模型参数的选取 | 第39-40页 |
| ·核函数及其参数的选取 | 第39页 |
| ·损失函数的选取 | 第39-40页 |
| ·支持向量机回归建模 | 第40-41页 |
| ·常用的支持向量机回归建模方式 | 第40页 |
| ·在线建模 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 风速预测 | 第42-53页 |
| ·LS-SVMlab工具箱简介 | 第42页 |
| ·风速模型 | 第42-44页 |
| ·支持向量机法预测风速 | 第44-46页 |
| ·数据样本的选择与处理 | 第44页 |
| ·参数选取 | 第44页 |
| ·模型训练 | 第44-45页 |
| ·函数的调用 | 第45页 |
| ·预测结果分析 | 第45-46页 |
| ·最小二乘支持向量机法预测风速 | 第46-52页 |
| ·最小二乘支持向量机理论 | 第46-47页 |
| ·数据样本的选择与处理 | 第47-48页 |
| ·正则参数γ的选取 | 第48-49页 |
| ·核函数参数σ~2的选取 | 第49-51页 |
| ·模型训练与程序编译 | 第51页 |
| ·与标准支持向量机法预测效果对比 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 风电场出力预测的建模与仿真 | 第53-67页 |
| ·风力发电机功率模型 | 第53-57页 |
| ·风机从风中获得的能量 | 第53-55页 |
| ·风速分布 | 第55-57页 |
| ·能量分布 | 第57页 |
| ·支持向量机法预测风电场出力 | 第57-58页 |
| ·风电场出力与风速的关系 | 第57-58页 |
| ·风电场出力短期预测 | 第58页 |
| ·最小二乘支持向量机法预测风电场出力 | 第58-65页 |
| ·探究风电场出力与风速的关系 | 第58-59页 |
| ·正则化参数对预测结果的影响 | 第59-61页 |
| ·核函数参数σ~2对预测结果的影响 | 第61-63页 |
| ·风电场出力短期预测 | 第63-65页 |
| ·本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 攻读学位期间发表的论文 | 第72-74页 |
| 致谢 | 第74页 |
