| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 目录 | 第8-14页 |
| 第一章 绪论 | 第14-24页 |
| ·课题提出的背景及研究意义 | 第14-15页 |
| ·国内外风电产业发展现状 | 第15-17页 |
| ·国外风电产业发展现状 | 第15-16页 |
| ·国内风电产业的发展状况 | 第16-17页 |
| ·风电场风速短期预测研究现状 | 第17-20页 |
| ·风速预测的基本方法 | 第17-19页 |
| ·国外风速预测的研究现状 | 第19页 |
| ·国内风速预测的研究现状 | 第19-20页 |
| ·风速特性分析 | 第20-21页 |
| ·风速特性分析 | 第20-21页 |
| ·风速数据的采集 | 第21页 |
| ·本论文主要研究内容 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第二章 基于信度分配的超闭球小脑神经网络 | 第24-44页 |
| ·人工神经网络 | 第24-26页 |
| ·小脑神经网络 | 第26-30页 |
| ·CMAC神经网络结构 | 第26-29页 |
| ·小脑神经网络的研究现状 | 第29-30页 |
| ·超闭球小脑神经网络 | 第30-32页 |
| ·超闭球小脑网络结构 | 第30-31页 |
| ·超闭球小脑神经网络算法原理 | 第31-32页 |
| ·基于信度分配的超闭球小脑神经网络 | 第32-36页 |
| ·超闭球小脑神经网络学习算法 | 第32-33页 |
| ·基于信度分配的超闭球小脑神经网络 | 第33-36页 |
| ·基于信度分配的超闭球小脑神经网络风速预测模型 | 第36-42页 |
| ·预测误差分析指标 | 第36-37页 |
| ·仿真研究 | 第37-42页 |
| ·本章小结 | 第42-44页 |
| 第三章 基于信度分配的改进型超闭球小脑神经网络 | 第44-56页 |
| ·标准粒子群 | 第44-49页 |
| ·粒子群优化算法的提出 | 第44-45页 |
| ·粒子群算法的基本概念及进化方程 | 第45-48页 |
| ·算法流程 | 第48-49页 |
| ·粒子群优化算法的系统学特征 | 第49-51页 |
| ·粒子群算法的自组织特性 | 第49-50页 |
| ·粒子群算法的反馈机制 | 第50-51页 |
| ·粒子群优化算法的分布式特点 | 第51页 |
| ·基于信度分配的改进型超闭球小脑神经网络 | 第51-53页 |
| ·粒子群优化算法的选取 | 第51-52页 |
| ·粒子群算法和适应度函数 | 第52-53页 |
| ·CA-IHCMAC算法流程 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第四章 基于信度分配的改进型超闭球小脑神经网络风速预测模型 | 第56-74页 |
| ·基于时间序列的风速预测模型 | 第56-66页 |
| ·时间序列 | 第56-57页 |
| ·平稳时间序列模型 | 第57-58页 |
| ·风速平稳时间序列模型的建立过程 | 第58-59页 |
| ·时间序列模型仿真 | 第59-66页 |
| ·基于信度分配的改进型小脑神经网络风速预测 | 第66-72页 |
| ·基于信度分配的改进型超闭球小脑风速预测模型 | 第66-69页 |
| ·仿真研究 | 第69-72页 |
| ·本章小结 | 第72-74页 |
| 第五章 结论与展望 | 第74-76页 |
| ·结论 | 第74-75页 |
| ·展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 攻读学位期间发表的学术论文 | 第82页 |