| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 电力负荷预测的研究意义 | 第10页 |
| 1.2 电力负荷预测的分类、特点及影响因素 | 第10-15页 |
| 1.2.1 电力负荷预测的分类 | 第10-11页 |
| 1.2.2 电力负荷预测的特点 | 第11-12页 |
| 1.2.3 电力负荷预测的主要影响因素 | 第12-15页 |
| 1.3 国内外研究现状 | 第15-17页 |
| 1.4 电力负荷预测的步骤 | 第17-18页 |
| 1.5 本课题的创新点及主要工作 | 第18-20页 |
| 第2章 数据挖掘与随机森林基本理论 | 第20-30页 |
| 2.1 数据挖掘的过程 | 第20-21页 |
| 2.2 数据挖掘的任务 | 第21-22页 |
| 2.3 数据处理 | 第22-25页 |
| 2.3.1 缺火值预处理 | 第22-23页 |
| 2.3.2 异常数据的预处理 | 第23-24页 |
| 2.3.3 归一化预处理 | 第24-25页 |
| 2.4 随机森林的基本理论 | 第25-27页 |
| 2.4.1 ID3决策树算法 | 第25页 |
| 2.4.2 C4.5决策树算法 | 第25-26页 |
| 2.4.3 CART决策树算法 | 第26-27页 |
| 2.5 随机森林负荷预测步骤 | 第27-29页 |
| 2.6 本节小结 | 第29-30页 |
| 第3章 基于模糊聚类与随机森林的短期负荷预测 | 第30-39页 |
| 3.1 模糊聚类算法 | 第30-32页 |
| 3.1.1 模糊集 | 第30页 |
| 3.1.2 C均值模糊聚类 | 第30-32页 |
| 3.2 模糊聚类结合随机森林的短期负荷预测理论分析 | 第32-35页 |
| 3.2.1 预测输入变量 | 第32-33页 |
| 3.2.2 聚类结果 | 第33-34页 |
| 3.2.3 负荷预测流程 | 第34-35页 |
| 3.3 应用实例及结果分析 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于小波分析与随机森林的短期负荷预测 | 第39-50页 |
| 4.1 小波分析基本理论 | 第39-42页 |
| 4.1.1 小波变换 | 第39-40页 |
| 4.1.2 离散小波分析 | 第40-41页 |
| 4.1.3 多辨分析 | 第41-42页 |
| 4.2 小波-随机森林的混合模型 | 第42-46页 |
| 4.2.1 混合模型的小波分析 | 第42-43页 |
| 4.2.2 混合模型输入变量的选取 | 第43-45页 |
| 4.2.3 混合模型的预测过程 | 第45-46页 |
| 4.3 实例验证与结果分析 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 结论与展望 | 第50-52页 |
| 5.1 结论 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第56-57页 |
| 攻读硕士学位期间参加的科研工作 | 第57-58页 |
| 致谢 | 第58页 |