风速时间序列预测算法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第12-20页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.1.1 课题研究背景 | 第12页 |
| 1.1.2 课题研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 国外研究现状 | 第13-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.2.3 本节小结 | 第17-18页 |
| 1.3 本文开展的研究工作及创新点 | 第18页 |
| 1.4 论文的组织安排 | 第18-20页 |
| 2 基于时间序列分析法的风速序列预测研究 | 第20-31页 |
| 2.1 时间序列模型 | 第20-24页 |
| 2.1.1 ARMA模型概述 | 第20-21页 |
| 2.1.2 模型的平稳性 | 第21页 |
| 2.1.3 模型的识别 | 第21-22页 |
| 2.1.4 模型的参数估计 | 第22页 |
| 2.1.5 模型的显著性检验 | 第22-23页 |
| 2.1.6 模型的定阶 | 第23-24页 |
| 2.2 基于时间序列分析方法的预测过程 | 第24页 |
| 2.3 基于时间序列的风速预测分析及仿真实验 | 第24-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 基于迟滞神经网络的风速序列预测研究 | 第31-45页 |
| 3.1 传统前向型神经网络模型 | 第32-35页 |
| 3.2 迟滞神经网络模型 | 第35-40页 |
| 3.2.1 模型结构 | 第35-38页 |
| 3.2.2 网络的训练算法 | 第38-39页 |
| 3.2.3 迟滞神经网络的风速序列预测分析过程 | 第39-40页 |
| 3.3 仿真实验 | 第40-42页 |
| 3.3.1 风速序列的一步预测分析 | 第40-41页 |
| 3.3.2 风速序列的三步预测分析 | 第41-42页 |
| 3.4 迟滞神经网络性能分析 | 第42-44页 |
| 3.4.1 计算量比较 | 第42-43页 |
| 3.4.2 迟滞参数初值范围选择 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 具有混沌特性的风速序列预测研究 | 第45-70页 |
| 4.1 基于混沌算子网络的风速序列预测研究 | 第45-56页 |
| 4.1.1 混沌算子网络模型 | 第46-49页 |
| 4.1.2 训练样本的设计 | 第49页 |
| 4.1.3 网络权值的设计 | 第49-50页 |
| 4.1.4 网络参数的训练 | 第50-53页 |
| 4.1.5 仿真实验 | 第53-56页 |
| 4.2 基于混沌不稳定周期的风速序列预测研究 | 第56-68页 |
| 4.2.1 混沌的特性与识别 | 第56-58页 |
| 4.2.2 相空间重构参数的选择 | 第58-61页 |
| 4.2.3 基于不稳定周期轨道的风速序列预测 | 第61页 |
| 4.2.4 仿真实验 | 第61-68页 |
| 4.3 本章小结 | 第68-70页 |
| 5 风速序列混合预测方法研究 | 第70-99页 |
| 5.1 简单混合预测方法 | 第70-81页 |
| 5.1.1 加权混合预测方法 | 第71-77页 |
| 5.1.2 分时段混合预测方法 | 第77-81页 |
| 5.2 基于卡尔曼滤波的风速序列预测研究 | 第81-97页 |
| 5.2.1 卡尔曼滤波的基本原理 | 第82-84页 |
| 5.2.2 基于ARMA模型的卡尔曼滤波风速预测 | 第84-90页 |
| 5.2.3 基于运动学模型的卡尔曼滤波风速预测 | 第90-97页 |
| 5.3 本章小结 | 第97-99页 |
| 6 结论 | 第99-101页 |
| 6.1 工作总结 | 第99-100页 |
| 6.2 研究展望 | 第100-101页 |
| 参考文献 | 第101-110页 |
| 作者简历及在学研究成果 | 第110-114页 |
| 学位论文数据集 | 第114页 |
