基于极点对称模态分解的水库中长期预报及调度
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究进展 | 第9-17页 |
| 1.2.1 径流分析方法 | 第9-11页 |
| 1.2.2 中长期径流预报 | 第11-15页 |
| 1.2.3 中长期水库调度 | 第15-17页 |
| 1.3 研究内容及技术路线 | 第17-19页 |
| 第2章 基于ESMD方法的径流分析 | 第19-41页 |
| 2.1 传统的径流分析方法 | 第19-22页 |
| 2.1.1 周期成分识别 | 第19-20页 |
| 2.1.2 突变点识别 | 第20-21页 |
| 2.1.3 趋势成分识别 | 第21-22页 |
| 2.2 极点对称模态分解基本原理 | 第22-26页 |
| 2.2.1 经验模态分解的基本原理 | 第22-23页 |
| 2.2.2 极点对称模态分解的基本原理 | 第23-26页 |
| 2.3 实例应用 | 第26-40页 |
| 2.3.1 研究区概况 | 第26-27页 |
| 2.3.2 年径流分析 | 第27-31页 |
| 2.3.3 月径流分析 | 第31-35页 |
| 2.3.4 旬径流分析 | 第35-39页 |
| 2.3.5 径流分析对比 | 第39-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第3章 基于ESMD-BP组合模型的中长期预报 | 第41-55页 |
| 3.1 神经网络基本原理 | 第41-44页 |
| 3.1.1 人工神经网络基本理论 | 第41-42页 |
| 3.1.2 BP神经网络基本理论 | 第42-44页 |
| 3.2 基于ESMD-BP神经网络组合预测模型 | 第44-46页 |
| 3.2.1 模型构建 | 第44-45页 |
| 3.2.2 模型性能评价指标 | 第45-46页 |
| 3.3 实例应用 | 第46-54页 |
| 3.3.1 基于ESMD-BP模型的月径流预测 | 第46-49页 |
| 3.3.2 基于ESMD-BP模型的旬径流预测 | 第49-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第4章 基于遗传算法的梯级水库中长期预报调度 | 第55-68页 |
| 4.1 水电站水库群联合调度原理及规则 | 第55-56页 |
| 4.2 中长期联合优化调度模型 | 第56-57页 |
| 4.3 遗传算法原理介绍 | 第57-60页 |
| 4.3.1 遗传算法应用步骤 | 第57-59页 |
| 4.3.2 模型求解工具 | 第59-60页 |
| 4.4 实例应用 | 第60-67页 |
| 4.4.1 研究区概况 | 第60-61页 |
| 4.4.2 结果分析 | 第61-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第75-76页 |
| 攻读硕士学位期间参加的科研工作 | 第76-77页 |
| 致谢 | 第77页 |
