基于支持向量机的船舶电力负荷短期预测
| 第一章 引言 | 第1-20页 |
| ·支持向量机简介 | 第9-11页 |
| ·电力负荷预测研究现状 | 第11-18页 |
| ·研究意义 | 第18页 |
| ·本文所做工作及结构安排 | 第18-20页 |
| 第二章 统计学习理论 | 第20-30页 |
| ·机器学习 | 第20-23页 |
| ·主要的学习问题 | 第21-22页 |
| ·经验风险 | 第22-23页 |
| ·推广性的界 | 第23-25页 |
| ·复杂性和推广性 | 第23-24页 |
| ·推广性的界 | 第24-25页 |
| ·VC维 | 第25-27页 |
| ·R~n空间的有向超平面的VC维 | 第25-26页 |
| ·VC维和推广性的界 | 第26-27页 |
| ·结构风险最小化 | 第27-30页 |
| ·结构风险最小化 | 第27-28页 |
| ·SRM原则的体现 | 第28-30页 |
| 第三章 支持向量机的回归理论 | 第30-41页 |
| ·支持向量机基本原理 | 第30-32页 |
| ·支持向量机回归 | 第32-37页 |
| ·SVM回归估计算法 | 第32-34页 |
| ·损失函数 | 第34-35页 |
| ·核函数 | 第35-37页 |
| ·支持向量机的算法综述 | 第37-41页 |
| 第四章 混沌时间序列预测 | 第41-57页 |
| ·混沌时间序列 | 第41-49页 |
| ·混沌的基本概念 | 第41-42页 |
| ·典型的混沌时间序列 | 第42-48页 |
| ·非线性时间序列的相空间嵌入 | 第48-49页 |
| ·基于SVM的混沌时间序列单步与多步预测 | 第49-54页 |
| ·模型和数据的产生 | 第50页 |
| ·最小嵌入维数的确定 | 第50-51页 |
| ·评介指标 | 第51页 |
| ·仿真试验结果 | 第51-54页 |
| ·基于SVM的混沌时间序列去噪预测 | 第54-57页 |
| ·模型与数据的产生 | 第54-55页 |
| ·预测模型的参数及结构 | 第55页 |
| ·仿真试验结果 | 第55-57页 |
| 第五章 基于SVM的短期船舶电力负荷预测方法 | 第57-74页 |
| ·船舶电力系统简介 | 第57-59页 |
| ·船舶电力系统 | 第58页 |
| ·船舶电站 | 第58-59页 |
| ·船舶电力网 | 第59页 |
| ·船舶电力系统负荷的特点 | 第59页 |
| ·电力负荷预测分析 | 第59-65页 |
| ·负荷预测基本原理 | 第60-61页 |
| ·负荷预测的基本过程 | 第61-64页 |
| ·负荷预测的误差分析 | 第64-65页 |
| ·基于支持向量机的船舶电力负荷短期预测 | 第65-69页 |
| ·支持向量机网络模型 | 第65-66页 |
| ·RBF核函数的工作原理 | 第66-67页 |
| ·基于SVM的船舶电力负荷预测步骤 | 第67-69页 |
| ·船舶电力系统短期负荷预测试验 | 第69-74页 |
| ·影响因子及其训练数据集的构成 | 第69-70页 |
| ·SVM算法的参数分析 | 第70-71页 |
| ·评介指标 | 第71页 |
| ·预测试验结果 | 第71-74页 |
| 第六章 结论 | 第74-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间发表的论文 | 第76-77页 |
| 参考文献 | 第77-82页 |
