基于关联规则的PSO-Elman短期风速预测研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 选题背景以及研究意义 | 第10-12页 |
| 1.2 风电场预测研究现状 | 第12-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第二章 人工神经网络及其优化 | 第15-30页 |
| 2.1 人工神经网络的简介 | 第15-18页 |
| 2.1.1 神经网络的发展及研究 | 第15-16页 |
| 2.1.2 人工神经网络模型 | 第16-18页 |
| 2.2 Elman神经网络 | 第18-21页 |
| 2.2.1 Elman神经网络结构 | 第18-19页 |
| 2.2.2 Elman神经网络算法 | 第19-21页 |
| 2.3 PSO-Elman算法 | 第21-29页 |
| 2.3.1 粒子群优化算法 | 第22-23页 |
| 2.3.2 粒子群算法的改进 | 第23-27页 |
| 2.3.3 PSO优化Elman神经网络 | 第27-29页 |
| 2.4 本章小节 | 第29-30页 |
| 第三章 关联规则优化 | 第30-44页 |
| 3.1 关联规则 | 第30-33页 |
| 3.1.1 关联规则基本概念 | 第30-31页 |
| 3.1.2 关联规则的分类 | 第31-32页 |
| 3.1.3 关联规则挖掘 | 第32-33页 |
| 3.2 Apriori算法 | 第33-37页 |
| 3.2.1 Apriori算法基本思想 | 第33-35页 |
| 3.2.2 基于Apriori算法的改进 | 第35-37页 |
| 3.3 关联规则挖掘 | 第37-43页 |
| 3.3.1 k-means聚类 | 第37-38页 |
| 3.3.2 关联规则挖掘实例 | 第38-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于关联规则的PSO-Elman风速预测 | 第44-53页 |
| 4.1 问题背景 | 第44页 |
| 4.2 基于关联规则的PSO-Elman风速预测 | 第44-47页 |
| 4.3 实例分析 | 第47-50页 |
| 4.3.1 四类气象因素聚类结果 | 第47-48页 |
| 4.3.2 四类气象因素的关联规则挖掘结果 | 第48-49页 |
| 4.3.3 风速预测以及修正 | 第49-50页 |
| 4.4 实验结果分析 | 第50-52页 |
| 4.5 本章小节 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 附录 (攻读硕士学位期间发表论文) | 第60页 |
