风能预测中的时空特征和误差处理
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要工作及创新点 | 第12-13页 |
| 1.4 论文组织结构 | 第13-16页 |
| 第2章 预测及误差处理模型框架 | 第16-24页 |
| 2.1 应用于风能预测的机器学习算法 | 第16-19页 |
| 2.1.1 基本算法 | 第16-19页 |
| 2.1.2 WindML | 第19页 |
| 2.2 集成学习预测模型及误差处理框架 | 第19-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第3章 时空特征与集成学习预测模型 | 第24-32页 |
| 3.1 特征抽取、表示及分析 | 第24-26页 |
| 3.2 集成学习 | 第26-28页 |
| 3.3 基于特征方差的集成学习模型 | 第28-31页 |
| 3.3.1 时空特征的方差 | 第28-29页 |
| 3.3.2 训练数据分组建模方法 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于数据平滑的误差估计方法 | 第32-42页 |
| 4.1 k-d树算法原理及应用 | 第32-37页 |
| 4.2 基于k-d树的风能数据降噪 | 第37-39页 |
| 4.3 预测误差分析及处理 | 第39页 |
| 4.4 应用数据平滑的误差估计方法 | 第39-40页 |
| 4.5 本章小结 | 第40-42页 |
| 第5章 实验及结果分析 | 第42-52页 |
| 5.1 风能预测评价标准 | 第42页 |
| 5.2 时空特征与集成学习相关实验 | 第42-46页 |
| 5.2.1 实验参数 | 第42-44页 |
| 5.2.2 弱模型选择 | 第44-46页 |
| 5.2.3 预测效果对比 | 第46页 |
| 5.3 误差预测相关实验 | 第46-50页 |
| 5.3.1 实验概述 | 第46-48页 |
| 5.3.2 参数 | 第48-50页 |
| 5.4 对比实验及结果分析 | 第50-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 研究总结 | 第52页 |
| 6.2 未来展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58-60页 |
| 发表论文和参加科研情况说明 | 第60-62页 |
| 致谢 | 第62页 |
