基于混沌特性的支持向量机短期电力负荷预测
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 引言 | 第13-23页 |
| ·支持向量机简介 | 第13-15页 |
| ·电力负荷预测方法研究现状 | 第15-18页 |
| ·电力负荷预测介绍 | 第18-21页 |
| ·负荷预测基本原理 | 第18-19页 |
| ·负荷预测的基本过程 | 第19-20页 |
| ·负荷预测的误差分析 | 第20-21页 |
| ·研究的意义 | 第21页 |
| ·本文所做工作及结构安排 | 第21-23页 |
| 第二章 统计学习和支持向量机回归算法 | 第23-34页 |
| ·支持向量机的发展历程 | 第23页 |
| ·统计学习介绍 | 第23-28页 |
| ·机器学习问题和经验风险 | 第24-25页 |
| ·推广性的界和VC维 | 第25-27页 |
| ·结构风险最小化 | 第27-28页 |
| ·支持向量机基本原理 | 第28-30页 |
| ·支持向量机的回归理论 | 第30-34页 |
| ·SVM回归估计算法 | 第30页 |
| ·回归方程 | 第30-31页 |
| ·损失函数 | 第31-32页 |
| ·核函数 | 第32-34页 |
| 第三章 SVR模型对混沌时间序列的预测 | 第34-46页 |
| ·混沌时间序列介绍 | 第34-40页 |
| ·混沌的基本概念 | 第34-35页 |
| ·典型的混沌时间序列模型 | 第35-38页 |
| ·混沌时间序列的相空间嵌入 | 第38-40页 |
| ·基于SVR对混沌时间序列的去噪预测 | 第40-42页 |
| ·模型和数据 | 第40页 |
| ·预测模型的参数及结构 | 第40-41页 |
| ·仿真实验结果 | 第41-42页 |
| ·基于SVR对混沌时间序列的多步预测 | 第42-46页 |
| ·模型和数据 | 第42页 |
| ·最小嵌入维数的确定 | 第42-43页 |
| ·评价指标 | 第43页 |
| ·仿真试验结果 | 第43-46页 |
| 第四章 基于混沌特性的SVR预测模型 | 第46-56页 |
| ·混沌特性的确定 | 第47-49页 |
| ·相空间重构 | 第47-48页 |
| ·相关维数和嵌入维数 | 第48页 |
| ·最大Lyapunov指数 | 第48-49页 |
| ·支持向量机网络结构模型 | 第49-50页 |
| ·核函数 | 第50-52页 |
| ·核函数的工作原理 | 第50-51页 |
| ·核函数参数 | 第51-52页 |
| ·多步预测步长的确定 | 第52页 |
| ·基于混沌特性的支持向量机预测模型的建立 | 第52-55页 |
| ·回归预测模型建立 | 第52-53页 |
| ·混沌特性的支持向量机预测模型 | 第53-55页 |
| ·小结 | 第55-56页 |
| 第五章 短期电力负荷预测试验及仿真 | 第56-64页 |
| ·模型的建立和数据 | 第56-57页 |
| ·Lyapunov指数的确立 | 第56页 |
| ·相空间重构 | 第56-57页 |
| ·训练数据集的构建 | 第57页 |
| ·预测模型中的参数分析 | 第57-58页 |
| ·评价指标 | 第58页 |
| ·基于混沌特性的SVR 单步预测 | 第58-61页 |
| ·模型和数据 | 第58-59页 |
| ·试验过程 | 第59-60页 |
| ·试验结果分析 | 第60-61页 |
| ·基于混沌特性的SVR多步预测 | 第61-63页 |
| ·模型和数据 | 第61页 |
| ·评价指标 | 第61页 |
| ·试验结果及分析 | 第61-63页 |
| ·小结 | 第63-64页 |
| 第六章 结论 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录 A(攻读硕士学位期间发表的论文) | 第71-72页 |
| 附表 B | 第72-73页 |
