| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| Contents | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| ·负荷预测的意义与分类 | 第13页 |
| ·短期负荷预测的研究现状 | 第13-17页 |
| ·传统预测方法 | 第13-15页 |
| ·智能预测方法 | 第15-17页 |
| ·论文主要研究内容 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第二章 支持向量回归与双胞支持向量回归 | 第19-31页 |
| ·统计学习理论 | 第19-23页 |
| ·机器学习基本问题 | 第19-20页 |
| ·VC维和推广误差边界 | 第20-21页 |
| ·结构风险最小化 | 第21-23页 |
| ·支持向量回归原理 | 第23-27页 |
| ·线性回归模型 | 第24-26页 |
| ·非线性回归模型 | 第26-27页 |
| ·双胞支持向量回归原理 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于双胞支持向量回归的短期负荷预测 | 第31-43页 |
| ·电力系统短期负荷预测的样本选择和预处理 | 第31-40页 |
| ·负荷特性分析和样本选择 | 第31-37页 |
| ·历史资料中异常数据的检测与处理 | 第37-39页 |
| ·数据归一化处理 | 第39页 |
| ·短期负荷预测主要评价指标 | 第39-40页 |
| ·核函数的选取 | 第40页 |
| ·基于双胞支持向量回归短期负荷预测的步骤 | 第40-41页 |
| ·参数选取对于双胞支持向量回归的影响 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于竞争型ISPO双胞支持向量回归的短期电力负荷预测 | 第43-51页 |
| ·智能单粒子算法 | 第44-46页 |
| ·子矢量 | 第44-45页 |
| ·子矢量更新过程 | 第45-46页 |
| ·竞争型智能单粒子算法 | 第46-48页 |
| ·基于CISPO双胞支持向量回归短期负荷预测 | 第48-50页 |
| ·基于CISPO的参数优化 | 第48页 |
| ·CISPO优化的双胞支持向量回归结构图 | 第48-49页 |
| ·CISPO-TSVR的短期负荷预测流程 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 CISPO-TSVR短期负荷预测实例仿真与分析 | 第51-56页 |
| ·仿真模型的建立 | 第51页 |
| ·预测结果对比与分析 | 第51-54页 |
| ·无参数优化模型的预测效果分析对比 | 第52-53页 |
| ·PSO-TSVR与CISPO-TSVR预测效果分析对比 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 结论与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间的科研成果 | 第62-64页 |
| 致谢 | 第64页 |
