基于SVM的组合预测在中长期电力负荷预测中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·选题背景及其研究意义 | 第9-10页 |
| ·国内外的研究动态 | 第10-13页 |
| ·经典的预测技术 | 第10-11页 |
| ·目前存在的预测方法 | 第11-12页 |
| ·组合预测方法 | 第12-13页 |
| ·论文的主要研究工作及组织结构 | 第13-14页 |
| 第2章 支持向量机 | 第14-24页 |
| ·机器学习的问题表示 | 第14-15页 |
| ·统计学习理论 | 第15-16页 |
| ·VC维 | 第15-16页 |
| ·结构风险最小化原则 | 第16页 |
| ·支持向量机 | 第16-19页 |
| ·支持向量机原理 | 第17-19页 |
| ·核函数 | 第19页 |
| ·支持向量机的回归分析 | 第19-22页 |
| ·本章小结 | 第22-24页 |
| 第3章 预测模型 | 第24-35页 |
| ·多项式趋势预测技术 | 第24-26页 |
| ·指数曲线模型 | 第26页 |
| ·非线性回归预测模型 | 第26-27页 |
| ·改进的GM(1,1)预测模型 | 第27-30页 |
| ·GM(1,1)模型 | 第28页 |
| ·改进的GM(1,1)模型 | 第28-30页 |
| ·改进的VERHULST预测模型 | 第30-31页 |
| ·VERHULST模型 | 第30-31页 |
| ·改进的VERHULST模型 | 第31页 |
| ·两种改进的灰色预测模型的实例分析 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 基于支持向量机的组合预测过程 | 第35-40页 |
| ·误差标准 | 第35-36页 |
| ·基于SVM的负荷组合预测模型 | 第36页 |
| ·基于SVM的电力负荷组合预测过程 | 第36-39页 |
| ·准备数据集 | 第37页 |
| ·样本数据的处理 | 第37-38页 |
| ·训练和测试 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第5章 实验结果和实例分析 | 第40-46页 |
| ·实例一 | 第40-42页 |
| ·实例二 | 第42-44页 |
| ·实例三 | 第44页 |
| ·实例四 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第6章 结论与展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第50-51页 |
| 致谢 | 第51-52页 |
| 作者简历 | 第52页 |
