通用向量机优化理论及其在时间序列预测中的应用研究
| 中文摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-32页 |
| 1.1 预测理论及其发展现状 | 第10-17页 |
| 1.1.1 时间序列预测 | 第10-12页 |
| 1.1.2 统计学习理论 | 第12-13页 |
| 1.1.3 传统预测模型及发展现状 | 第13-16页 |
| 1.1.3.1 经验风险最小化 | 第13-15页 |
| 1.1.3.2 结构风险最小化模型 | 第15-16页 |
| 1.1.4 通用向量机模型及其发展现状 | 第16-17页 |
| 1.2 最优化方法及分类 | 第17-28页 |
| 1.2.1 梯度下降法 | 第18-19页 |
| 1.2.2 牛顿法 | 第19-20页 |
| 1.2.3 共轭梯度法 | 第20页 |
| 1.2.4 启发式优化算法 | 第20-24页 |
| 1.2.4.1 遗传算法 | 第21-22页 |
| 1.2.4.2 蚁群算法 | 第22-23页 |
| 1.2.4.3 粒子群算法 | 第23-24页 |
| 1.2.5 组合优化 | 第24-26页 |
| 1.2.5.1 差异模型选择 | 第24-25页 |
| 1.2.5.2 组合模型方法 | 第25-26页 |
| 1.2.6 多目标优化 | 第26-28页 |
| 1.2.7 总结 | 第28页 |
| 1.3 本文的研究内容 | 第28-30页 |
| 1.4 本文的结构 | 第30-32页 |
| 第二章 通用向量机模型基础理论研究 | 第32-50页 |
| 2.1 背景知识 | 第32页 |
| 2.2 BP神经网络 | 第32-35页 |
| 2.3 支持向量机 | 第35-37页 |
| 2.4 通用向量机模型 | 第37-48页 |
| 2.4.1 通用向量机结构 | 第38-43页 |
| 2.4.2 通用向量机设计 | 第43-44页 |
| 2.4.3 通用向量机训练 | 第44-48页 |
| 2.4.4 确定和非确定通用向量机 | 第48页 |
| 2.5 本章小结 | 第48-50页 |
| 第三章 通用向量机模型训练优化研究 | 第50-70页 |
| 3.1 背景知识 | 第50页 |
| 3.2 DMC算法 | 第50-57页 |
| 3.2.1 算法流程 | 第50-52页 |
| 3.2.2 逻辑等价性 | 第52-53页 |
| 3.2.3 权值变异范围 | 第53页 |
| 3.2.4 权值变异 | 第53-54页 |
| 3.2.5 计算优化方法 | 第54-57页 |
| 3.3 DMC函数拟合实验结果 | 第57-62页 |
| 3.3.1 偏导数公式 | 第57页 |
| 3.3.2 函数拟合精度 | 第57-60页 |
| 3.3.3 训练效率对比 | 第60-61页 |
| 3.3.4 复杂函数拟合效率 | 第61-62页 |
| 3.4 DMC时间序列预测实验结果 | 第62-67页 |
| 3.4.1 模型及算法实现 | 第62-63页 |
| 3.4.2 预测精度对比 | 第63-65页 |
| 3.4.3 训练效率对比 | 第65-67页 |
| 3.5 通用向量机并行优化探讨 | 第67-69页 |
| 3.6 本章小结 | 第69-70页 |
| 第四章 通用向量机在电力负荷预测中的应用研究 | 第70-86页 |
| 4.1 背景知识 | 第70-71页 |
| 4.2 单预测模型建模方法 | 第71-73页 |
| 4.3 基于遗传算法的通用向量机优化研究 | 第73-76页 |
| 4.3.1 个体编码 | 第73-74页 |
| 4.3.2 适应度函数 | 第74-75页 |
| 4.3.3 选择操作 | 第75页 |
| 4.3.4 交叉操作 | 第75页 |
| 4.3.5 变异操作 | 第75-76页 |
| 4.3.6 裁剪操作 | 第76页 |
| 4.3.7 总结 | 第76页 |
| 4.4 基于通用向量机的组合模型研究 | 第76-79页 |
| 4.4.1 基于通用向量机模型的组合预测研究 | 第77-79页 |
| 4.5 实验结果 | 第79-84页 |
| 4.5.1 单项预测模型预测结果 | 第79-83页 |
| 4.5.2 组合模型预测结果 | 第83-84页 |
| 4.6 本章小结 | 第84-86页 |
| 第五章 通用向量机复制动力学时间序列预测研究 | 第86-97页 |
| 5.1 背景知识 | 第86页 |
| 5.2 复制动力学理论 | 第86-87页 |
| 5.3 复制洛伦兹动力学 | 第87-90页 |
| 5.4 复制动力学电力负荷预测 | 第90-92页 |
| 5.5 实验结果 | 第92-96页 |
| 5.6 本章小结 | 第96-97页 |
| 第六章 通用向量机时间序列预测多目标优化研究 | 第97-106页 |
| 6.1 背景知识 | 第97页 |
| 6.2 聚合函数多目标优化方法 | 第97-99页 |
| 6.3 进化多目标优化方法 | 第99-101页 |
| 6.4 实验结果 | 第101-105页 |
| 6.5 本章小结 | 第105-106页 |
| 第七章 总结与展望 | 第106-109页 |
| 7.1 本文工作总结 | 第106-107页 |
| 7.2 后续工作展望 | 第107-109页 |
| 参考文献 | 第109-119页 |
| 在学期间的研究成果 | 第119-120页 |
| 致谢 | 第120-123页 |
