基于群智能优化的线性和及非线性组合预测模型的研究及应用--以短期风速预测为例
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 1 引言 | 第9-18页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究意义和目的 | 第11页 |
| 1.3 研究现状 | 第11-14页 |
| 1.3.1 国外研究现状 | 第11-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.3.3 评述 | 第14页 |
| 1.4 本文的结构 | 第14-15页 |
| 1.5 研究方法 | 第15-16页 |
| 1.6 创新点和不足 | 第16-18页 |
| 1.6.1 本文的创新点 | 第16-17页 |
| 1.6.2 本文的不足 | 第17-18页 |
| 2 研究的理论基础 | 第18-35页 |
| 2.1 集合经验模态分解 | 第18-20页 |
| 2.2 模型参数选择算法 | 第20-24页 |
| 2.2.1 粒子群优化算法 | 第20-21页 |
| 2.2.2 蝙蝠优化算法 | 第21-22页 |
| 2.2.3 交叉验证法 | 第22-24页 |
| 2.3 非线性模型理论 | 第24-30页 |
| 2.3.1 支持向量机 | 第24-25页 |
| 2.3.2 BP神经网络 | 第25-28页 |
| 2.3.3 广义回归神经网络 | 第28-30页 |
| 2.4 线性模型理论 | 第30-32页 |
| 2.5 组合模型理论 | 第32-35页 |
| 3 实验与评价 | 第35-46页 |
| 3.1 数据集介绍 | 第36-37页 |
| 3.2 评价指标 | 第37页 |
| 3.3 Diebold Mariano检验 | 第37-38页 |
| 3.4 实验结果与分析 | 第38-44页 |
| 3.4.1 描述统计分析 | 第38-43页 |
| 3.4.2 模型有效性检验 | 第43页 |
| 3.4.3 精度的提高 | 第43-44页 |
| 3.4.4 计算时间比较 | 第44页 |
| 3.5 实验结论 | 第44-46页 |
| 4 现实意义及展望 | 第46-48页 |
| 4.1 现实意义 | 第46-47页 |
| 4.2 展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 后记 | 第52-53页 |
