基于聚类的风速混合预测模型
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 当前的研究现状 | 第9-14页 |
| 1.2.1 物理预测方法 | 第9-10页 |
| 1.2.2 统计预测方法 | 第10-11页 |
| 1.2.3 基于机器学习的预测方法 | 第11-12页 |
| 1.2.4 组合预测方法和混合预测方法 | 第12-14页 |
| 1.3 本文的主要工作 | 第14页 |
| 1.4 本文的章节安排 | 第14-16页 |
| 第二章 理论基础 | 第16-27页 |
| 2.1 奇异谱分析 | 第16-17页 |
| 2.2 K-均值聚类 | 第17-19页 |
| 2.3 人工神经网络 | 第19-24页 |
| 2.3.1 极限学习机 | 第19-20页 |
| 2.3.2 径向基网络 | 第20-21页 |
| 2.3.3 脊波网络 | 第21-23页 |
| 2.3.4 回声状态网络 | 第23-24页 |
| 2.4 社会认知优化算法 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于聚类的混合预测模型的实现 | 第27-34页 |
| 3.1 基于聚类的混合预测方法的数学模型 | 第27-30页 |
| 3.2 基于聚类的混合预测方法的实现细节 | 第30-33页 |
| 3.2.1 数据划分 | 第30页 |
| 3.2.2 数据K-means聚类 | 第30-31页 |
| 3.2.3 模型的选择 | 第31-33页 |
| 3.3 模型的评价指标 | 第33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 实验数据集介绍和划分 | 第34-38页 |
| 4.1 实验数据集介绍 | 第34-36页 |
| 4.2 实验数据集划分 | 第36-37页 |
| 4.3 本章小结 | 第37-38页 |
| 第五章 实验结果与分析 | 第38-59页 |
| 5.1 数据聚类结果 | 第38-40页 |
| 5.2 输入滞后选择结果 | 第40-43页 |
| 5.3 预测结果及分析 | 第43-58页 |
| 5.3.1 验证数据和测试数据划分结果 | 第43-44页 |
| 5.3.2 风速时间序列的多步超前预测 | 第44-52页 |
| 5.3.3 非聚类模型预测结果和分析 | 第52-57页 |
| 5.3.4 基础模型的预测结果和分析 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 在学期间的研究成果 | 第64-65页 |
| 致谢 | 第65页 |
