基于人工鱼群的LS-SVM在短期负荷预测中的应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 电力负荷预测的研究意义 | 第9页 |
| 1.2 负荷预测的分类和基本原理 | 第9-10页 |
| 1.3 负荷预测的主要特点 | 第10-11页 |
| 1.4 负荷预测方法的发展和研究现状 | 第11-14页 |
| 1.5 本文的主要内容 | 第14-15页 |
| 第2章 支持向量机 | 第15-27页 |
| 2.1 机器学习问题及统计学习理论 | 第15-19页 |
| 2.2 支持向量机原理 | 第19-23页 |
| 2.2.1 支持向量机的分类 | 第19-21页 |
| 2.2.2 支持向量机的回归 | 第21-23页 |
| 2.3 最小二乘支持向量机 | 第23-24页 |
| 2.4 核函数的选择 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 人工鱼群优化算法 | 第27-37页 |
| 3.1 群体智能优化算法概述 | 第27-29页 |
| 3.2 基本人工鱼群算法 | 第29-33页 |
| 3.3 改进人工鱼群算法 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于人工鱼群的LS-SVM预测模型的建立 | 第37-46页 |
| 4.1 预测步骤 | 第37页 |
| 4.2 数据的预处理 | 第37-40页 |
| 4.3 输入变量的选择 | 第40-41页 |
| 4.4 核函数的选择及参数优化 | 第41-43页 |
| 4.5 预测模型的训练及预测 | 第43-44页 |
| 4.6 预测模型的误差及评价指标 | 第44-45页 |
| 4.7 本章小结 | 第45-46页 |
| 第5章 算例分析 | 第46-56页 |
| 5.1 A地区电网负荷影响因素分析 | 第46-51页 |
| 5.1.1 时间因素 | 第46-48页 |
| 5.1.2 气象因素 | 第48-50页 |
| 5.1.3 其他因素 | 第50-51页 |
| 5.2 A地区电网负荷预测结果及分析 | 第51-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第6章 总结及展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |
