| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·太阳辐射量预测的研究意义与背景 | 第8-9页 |
| ·太阳辐射量预测的意义 | 第8页 |
| ·太阳辐射量预测的分类 | 第8-9页 |
| ·太阳辐射量预测的特点 | 第9页 |
| ·太阳辐射量预测的步骤 | 第9页 |
| ·太阳辐射量预测方法研究 | 第9-12页 |
| ·太阳辐射量预测方法研究现状 | 第9-12页 |
| ·太阳辐射量预测中存在的问题 | 第12页 |
| ·本文的研究内容 | 第12-13页 |
| ·本文结构 | 第13-15页 |
| 第二章 ‘分解-聚类-集成’学习范式研究 | 第15-19页 |
| ·“分解-集成”学习范式 | 第15-16页 |
| ·“分解-聚类-集成”学习范式 | 第16-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 基于EEMD-LSSVR-K-LSSVR的分解-聚类-集成学习理论的研究 | 第19-26页 |
| ·EEMD分解算法 | 第19-21页 |
| ·EMD分解算法 | 第19-20页 |
| ·EEMD分解算法 | 第20-21页 |
| ·Kmeans聚类算法 | 第21页 |
| ·LSSVR的预测和集成方法 | 第21-23页 |
| ·SVR方法 | 第22页 |
| ·LSSVR方法 | 第22-23页 |
| ·EEMD-LSSVR-K-LSSVR混合集成学习框架 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第四章 实证研究 | 第26-44页 |
| ·数据描述与实验设计 | 第26-28页 |
| ·数据描述 | 第26-27页 |
| ·模型性能评估准则 | 第27-28页 |
| ·实验结果分析 | 第28-43页 |
| ·单模型性能比较 | 第30-34页 |
| ·混合集成模型性能比较 | 第34-41页 |
| ·鲁棒性分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 结论与展望 | 第44-46页 |
| ·结论 | 第44页 |
| ·展望 | 第44-46页 |
| 附录A 重力搜索算法 | 第46-48页 |
| 参考文献 | 第48-54页 |
| 在学期间完成的工作 | 第54-56页 |
| 致谢 | 第56页 |