基于最小二乘支持向量机的短期负荷预测方法及应用研究
| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第11-19页 |
| ·课题研究的意义 | 第11-12页 |
| ·短期负荷预测研究情况综述 | 第12-17页 |
| ·电力系统短期负荷预测的研究现状 | 第12-16页 |
| ·最小二乘支持向量机应用于短期负荷预测 | 第16-17页 |
| ·课题研究进展中存在问题的评述 | 第17-18页 |
| ·本文的主要工作 | 第18-19页 |
| 第二章 短期负荷预测描述 | 第19-23页 |
| ·短期负荷的特点 | 第19-20页 |
| ·影响短期负荷的主要因素 | 第20-21页 |
| ·负荷预测误差分析 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第三章 历史数据的预处理 | 第23-35页 |
| ·数据处理的必要性 | 第23页 |
| ·数据清洗 | 第23-24页 |
| ·待选输入变量及其处理 | 第24-26页 |
| ·粗糙集属性约简 | 第26-30页 |
| ·粗糙集的基本概念 | 第26-28页 |
| ·粗糙集中的属性约简 | 第28-30页 |
| ·基于遗传算法的属性约简 | 第30-33页 |
| ·编码过程 | 第30-31页 |
| ·适配值函数的选择 | 第31-32页 |
| ·选择过程 | 第32页 |
| ·交叉过程 | 第32页 |
| ·变异过程 | 第32页 |
| ·染色体的可行性检测 | 第32-33页 |
| ·遗传算法属性约简的流程 | 第33页 |
| ·小结 | 第33-35页 |
| 第四章 参数自适应LS-SVM预测模型 | 第35-45页 |
| ·统计学习理论的核心问题 | 第35-37页 |
| ·最小二乘支持向量机算法及模型 | 第37-40页 |
| ·最小二乘支持向量机的基本原理 | 第37-38页 |
| ·核函数的构造 | 第38-40页 |
| ·模型中的参数 | 第40-41页 |
| ·模型参数的自动优化 | 第41-43页 |
| ·小结 | 第43-45页 |
| 第五章 算例分析 | 第45-51页 |
| ·基于粗糙集理论的LS-SVM预测模型 | 第45-46页 |
| ·输入变量的选择 | 第46-47页 |
| ·粗糙集的属性约简 | 第47页 |
| ·LS-SVM预测结果 | 第47-49页 |
| ·小结 | 第49-51页 |
| 第六章 山东电网用电构成及负荷特性规律分析系统 | 第51-57页 |
| ·软件开发背景 | 第51页 |
| ·软件开发的内容 | 第51-52页 |
| ·软件的运行环境 | 第52页 |
| ·软件的功能结构 | 第52-53页 |
| ·软件的窗体构成 | 第53-55页 |
| ·小结 | 第55-57页 |
| 第七章 结论与展望 | 第57-59页 |
| ·全文总结 | 第57页 |
| ·后续工作的展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间发表的学术论文 | 第64-65页 |
| 学位论文评阅及答辩情况表 | 第65页 |
