| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 时间序列预测相关概念解析 | 第11-12页 |
| 1.1.1 时间序列预测的概念 | 第11页 |
| 1.1.2 时间序列预测的特点 | 第11-12页 |
| 1.1.3 时间序列预测的意义 | 第12页 |
| 1.2 时间序列预测方法研究 | 第12-16页 |
| 1.2.1 传统的预测方法 | 第12-13页 |
| 1.2.2 基于机器学习的预测模型 | 第13-14页 |
| 1.2.3 组合预测方法 | 第14-15页 |
| 1.2.4 混合预测方法 | 第15页 |
| 1.2.5 时间序列预测的评价指标 | 第15-16页 |
| 1.3 时间序列预测方法的应用 | 第16-19页 |
| 1.3.1 电力负荷及电价预测的意义 | 第16页 |
| 1.3.2 电力负荷及电价预测的研究现状 | 第16-18页 |
| 1.3.3 石油需求预测的意义及研究现状 | 第18-19页 |
| 1.4 本文主要工作及章节结构 | 第19-21页 |
| 第二章 基于BP、SARIMA和ANFIS的组合预测方法 | 第21-43页 |
| 2.1 理论基础 | 第21-26页 |
| 2.1.1 BP神经网络 | 第21-22页 |
| 2.1.2 自适应模糊神经网络系统 | 第22-24页 |
| 2.1.3 季节性差分自回归移动平均模型 | 第24-25页 |
| 2.1.4 微分进化算法 | 第25-26页 |
| 2.2 基于BP、SARIMA和ANFIS的组合预测方法 | 第26-29页 |
| 2.2.1 BP-SARIMA-ANFIS方法数学模型 | 第26-27页 |
| 2.2.2 BP-SARIMA-ANFIS方法预测步骤 | 第27-29页 |
| 2.3 实验所用数据及数据集的划分 | 第29-31页 |
| 2.3.1 实验所用数据 | 第29页 |
| 2.3.2 数据集的划分 | 第29-31页 |
| 2.4 实验结果与分析 | 第31-42页 |
| 2.4.1 实验结果 | 第31-35页 |
| 2.4.2 实验结果分析 | 第35-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第三章 基于改进的灰色模型和BP神经网络的混合预测方法 | 第43-62页 |
| 3.1 理论基础 | 第43-46页 |
| 3.1.1 灰色模型GM(1,1) | 第43-44页 |
| 3.1.2 遗传算法 | 第44-46页 |
| 3.2 改进的灰色预测模型研究 | 第46-48页 |
| 3.2.1 CGM(1,1) | 第46-47页 |
| 3.2.2 BGM(1,1) | 第47页 |
| 3.2.3 PGM(1,1) | 第47-48页 |
| 3.2.4 UGM(1,1) | 第48页 |
| 3.3 基于改进的灰色模型和BP神经网络的混合预测方法 | 第48-53页 |
| 3.3.1 GGNN方法预测步骤 | 第48-52页 |
| 3.3.2 实验所用数据 | 第52-53页 |
| 3.4 实验结果与分析 | 第53-60页 |
| 3.4.1 实验结果 | 第53-58页 |
| 3.4.2 实验结果分析 | 第58-60页 |
| 3.5 本章小结 | 第60-62页 |
| 第四章 基于组合核的核极限学习机预测方法 | 第62-85页 |
| 4.1 理论基础 | 第62-66页 |
| 4.1.1 经验模态分解 | 第62-63页 |
| 4.1.2 极限学习机 | 第63-65页 |
| 4.1.3 核极限学习机 | 第65页 |
| 4.1.4 常用核函数 | 第65-66页 |
| 4.2 基于组合核的核极限学习机预测方法 | 第66-69页 |
| 4.2.1 EMD-Mixed-KELM方法的研究动机 | 第66-67页 |
| 4.2.2 EMD-Mixed-KELM方法预测步骤 | 第67-68页 |
| 4.2.3 实验所用数据 | 第68-69页 |
| 4.3 实验结果与分析 | 第69-83页 |
| 4.3.1 实验结果 | 第70-75页 |
| 4.3.2 实验结果分析 | 第75-83页 |
| 4.4 本章小结 | 第83-85页 |
| 第五章 基于组合核的最小二乘支持向量机预测方法 | 第85-94页 |
| 5.1 最小二乘支持向量机 | 第85-86页 |
| 5.2 基于组合核的最小二乘支持向量机预测方法 | 第86-87页 |
| 5.2.1 EMD-Mixed-LSSVM方法预测步骤 | 第86-87页 |
| 5.2.2 实验所用数据 | 第87页 |
| 5.3 实验结果与分析 | 第87-92页 |
| 5.3.1 新南威尔士州电价预测结果 | 第87-90页 |
| 5.3.2 维多利亚州电价预测结果 | 第90-92页 |
| 5.4 本章小结 | 第92-94页 |
| 第六章 几种方法之间的对比 | 第94-102页 |
| 6.1 理论基础 | 第94-95页 |
| 6.1.1 季节调整模型 | 第94页 |
| 6.1.2 粒子群优化算法 | 第94-95页 |
| 6.2 BP-SARIMA-ANFIS与ESPLSSVM对比 | 第95-99页 |
| 6.3 EMD-Mixed-KELM方法与其他两种方法对比 | 第99-101页 |
| 6.4 本章小结 | 第101-102页 |
| 第七章 总结与展望 | 第102-105页 |
| 7.1 本文工作总结 | 第102-103页 |
| 7.2 后续工作展望 | 第103-105页 |
| 参考文献 | 第105-112页 |
| 在学期间的研究成果 | 第112-113页 |
| 致谢 | 第113页 |
