基于SVM组合模型的燃气负荷预测研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·选题背景 | 第8页 |
| ·国内外研究状况 | 第8-12页 |
| ·回归分析法 | 第9-10页 |
| ·灰色模型 | 第10页 |
| ·时间序列 | 第10-11页 |
| ·神经网络 | 第11-12页 |
| ·支持向量机 | 第12页 |
| ·主要研究内容及论文结构 | 第12-14页 |
| 第二章 燃气数据特征分析及预处理 | 第14-24页 |
| ·负荷自身的周期性 | 第14-15页 |
| ·温度对负荷的影响 | 第15-18页 |
| ·日期类型对负荷的影响 | 第18-19页 |
| ·数据的预处理 | 第19-23页 |
| ·伪数据修正 | 第19-20页 |
| ·小波去噪理论 | 第20-21页 |
| ·小波去噪效果 | 第21-23页 |
| ·数据归一化处理 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第三章 算法理论 | 第24-34页 |
| ·统计学习与支持向量机 | 第24-28页 |
| ·广义最优分类面 | 第24-26页 |
| ·核函数 | 第26-28页 |
| ·小波理论 | 第28页 |
| ·小波核支持向量机 | 第28-30页 |
| ·遗传算法 | 第30-31页 |
| ·混沌算法 | 第31-33页 |
| ·混沌遗传算法 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第四章 模型验证实验 | 第34-55页 |
| ·实验模型输入向量 | 第34-35页 |
| ·BP 神经网络验证实验 | 第35-39页 |
| ·实验过程 | 第35-37页 |
| ·实验结果分析 | 第37-39页 |
| ·RBF 核 SVM（RBF‐SVM）验证实验 | 第39-49页 |
| ·交叉验证法择参（K‐CV RBF‐SVM） | 第40-43页 |
| （1）实验过程 | 第40-41页 |
| （2）实验结果分析 | 第41-43页 |
| ·遗传算法择参（GA RBF‐SVM） | 第43-45页 |
| （1）实验过程 | 第43-44页 |
| （2）实验结果分析 | 第44-45页 |
| ·混沌遗传算法择参（CGA RBF‐SVM） | 第45-48页 |
| （1）实验过程 | 第45-46页 |
| （2）实验结果分析 | 第46-48页 |
| ·参数选择算法比较结果 | 第48-49页 |
| ·小波核 SVM（Wv‐SVM）验证实验 | 第49-54页 |
| ·小波核函数的选取 | 第49-50页 |
| ·实验过程 | 第50-51页 |
| ·实验结果分析 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 结论与展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58页 |
| 致谢 | 第58页 |
