基于RS-SVM风电场风速估计的方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-18页 |
| ·概述 | 第9-10页 |
| ·世界风能资源 | 第9页 |
| ·我国风力发电的现状 | 第9-10页 |
| ·风电场风速预测研究 | 第10-16页 |
| ·风速的相关概念 | 第10-12页 |
| ·风速估计基本原理 | 第12-13页 |
| ·风电场风速预测建模 | 第13-14页 |
| ·目前风速预测的主要方法 | 第14-16页 |
| ·本文的主要工作 | 第16-18页 |
| ·研究的目的和意义 | 第16页 |
| ·主要的研究方法 | 第16页 |
| ·主要的研究内容 | 第16-18页 |
| 2 支持向量机的基本理论 | 第18-39页 |
| ·统计学习理论概述 | 第18-22页 |
| ·机器学习问题 | 第18-20页 |
| ·结构风险最小化原则 | 第20-21页 |
| ·VC 维 | 第21-22页 |
| ·支持向量机理论 | 第22-29页 |
| ·最优超平面 | 第22-25页 |
| ·支持向量机 | 第25-27页 |
| ·核函数 | 第27-29页 |
| ·SVM 算法综述 | 第29-36页 |
| ·支持向量分类机 | 第29-31页 |
| ·支持向量回归机 | 第31-36页 |
| ·支持向量机研究现状 | 第36-39页 |
| ·支持向量机理论学习算法的研究现状 | 第36-38页 |
| ·支持向量机的应用研究现状 | 第38-39页 |
| 3 粗集基本理论 | 第39-49页 |
| ·粗集理论提出的背景 | 第39页 |
| ·粗集理论的发展 | 第39-40页 |
| ·粗集理论的研究现状 | 第40-41页 |
| ·粗糙集理论的特点 | 第40-41页 |
| ·粗糙集理论研究领域 | 第41页 |
| ·知识和划分 | 第41-43页 |
| ·概述 | 第41-42页 |
| ·知识、知识库与划分 | 第42-43页 |
| ·粗集的基本概念 | 第43-49页 |
| ·粗集的概念 | 第43-46页 |
| ·约简基本算法 | 第46-49页 |
| 4 基于RS-SVM 风电场风速的预测 | 第49-65页 |
| ·概述 | 第49-50页 |
| ·风速特性分析 | 第49页 |
| ·风速预测的特点 | 第49-50页 |
| ·基于SVM 的风速预测 | 第50-56页 |
| ·数据预处理 | 第50页 |
| ·支持向量机风速预测模型 | 第50-52页 |
| ·预测误差分析 | 第52-53页 |
| ·实例分析 | 第53-55页 |
| ·预测结果分析 | 第55-56页 |
| ·基于RS-SVM 的风速预测 | 第56-64页 |
| ·粗集在风速预测中的意义 | 第56-57页 |
| ·粗集理论风速因素 | 第57-60页 |
| ·RS-SVM 风速预测方法 | 第60-63页 |
| ·SVM 方法与RS-SVM 方法的比较 | 第63-64页 |
| ·小结 | 第64-65页 |
| 5 结论 | 第65-67页 |
| ·工作总结 | 第65页 |
| ·后续研究工作的展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72页 |
