| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-26页 |
| ·预测科学的发展历程 | 第12页 |
| ·预测的研究意义 | 第12-13页 |
| ·关于预测的几个基本概念 | 第13-14页 |
| ·预测方法研究 | 第14-19页 |
| ·建立预测模型的一般步骤 | 第14-15页 |
| ·传统预测方法 | 第15页 |
| ·组合预测方法 | 第15-18页 |
| ·预测性能的评估标准 | 第18-19页 |
| ·预测方法的应用——电力负荷预测和电价预测 | 第19-21页 |
| ·电力负荷预测 | 第19-20页 |
| ·电价预测 | 第20-21页 |
| ·电力负荷和电价预测的特点及需要解决的问题 | 第21-23页 |
| ·电力负荷预测需要解决的问题 | 第21-22页 |
| ·电价预测需要解决的问题 | 第22-23页 |
| ·本文研究的主要内容 | 第23-24页 |
| ·本文结构 | 第24-26页 |
| 第二章 基于BP神经网络误差校正的SARIMA组合预测方法 | 第26-58页 |
| ·引言 | 第26-27页 |
| ·季节性累积式自回归—滑动平均模型 | 第27-39页 |
| ·预备知识 | 第27-31页 |
| ·模型背景 | 第31-32页 |
| ·累积式自回归—滑动平均模型(ARIMA) | 第32-39页 |
| ·季节ARIMA模型(SARIMA) | 第39页 |
| ·人工神经网络(ANNs) | 第39-49页 |
| ·预备知识 | 第39-41页 |
| ·模型背景 | 第41-42页 |
| ·多层前向神经网络(FNN) | 第42-49页 |
| ·基于BP神经网络误差校正的SARIMA组合预测方法 | 第49-52页 |
| ·模型的建立 | 第49-51页 |
| ·模型的有效度准则 | 第51-52页 |
| ·模拟实验和讨论分析 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 第三章 基于LSSVR误差校正的GARCH组合预测方法 | 第58-85页 |
| ·引言 | 第58-59页 |
| ·广义自回归条件异方差模型 | 第59-70页 |
| ·预备知识 | 第59-61页 |
| ·模型背景 | 第61-63页 |
| ·自回归条件异方差模型(ARCH) | 第63-65页 |
| ·广义自回归条件异方差模型(GARCH) | 第65-70页 |
| ·支持向量机 | 第70-79页 |
| ·预备知识 | 第70-72页 |
| ·模型背景 | 第72-74页 |
| ·支持向量回归机(SVR) | 第74-78页 |
| ·最小二乘支持向量回归机(LSSVR) | 第78-79页 |
| ·基于LSSVR误差校正的GARCH组合预测方法 | 第79-80页 |
| ·模型的建立 | 第79-80页 |
| ·模型的有效度准则 | 第80页 |
| ·模拟实验和讨论分析 | 第80-83页 |
| ·本章小结 | 第83-85页 |
| 第四章 基于时频分析的组合预测方法 | 第85-102页 |
| ·引言 | 第85页 |
| ·经验模态分解 | 第85-92页 |
| ·预备知识 | 第85-89页 |
| ·模型背景 | 第89页 |
| ·经验模态分解(EMD) | 第89-92页 |
| ·基于经验模态分解的BP神经网络组合预测方法 | 第92-94页 |
| ·模型的建立 | 第92-93页 |
| ·模型的有效度准则 | 第93-94页 |
| ·模拟实验和讨论分析 | 第94-100页 |
| ·电力负荷预测 | 第94-97页 |
| ·电价预测 | 第97-100页 |
| ·本章小结 | 第100-102页 |
| 第五章 结论与展望 | 第102-104页 |
| 参考文献 | 第104-108页 |
| 本人在读期间完成的工作 | 第108-109页 |
| 致谢 | 第109页 |
