短期负荷预测的支持向量机模型参数优化方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·短期负荷预测的意义与任务 | 第10-11页 |
| ·国内外短期负荷预测研究现状 | 第11-12页 |
| ·支持向量机在短期负荷预测中的应用情况 | 第12-14页 |
| ·本文的主要工作 | 第14-15页 |
| 第2章 统计学习理论与支持向量机模型 | 第15-26页 |
| ·统计学习理论 | 第15-18页 |
| ·传统学习机存在的问题 | 第15-17页 |
| ·结构风险最小化原则 | 第17-18页 |
| ·支持向量机回归方法 | 第18-23页 |
| ·线性回归模型 | 第19-21页 |
| ·非线性回归模型 | 第21-23页 |
| ·支持向量机的求解方法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 短期负荷预测的支持向量机模型 | 第26-39页 |
| ·短期负荷特性分析 | 第26-29页 |
| ·基本负荷分量 | 第26-27页 |
| ·外部随机负荷分量 | 第27-29页 |
| ·样本的选择和预处理 | 第29-31页 |
| ·样本选择的若干原则 | 第29页 |
| ·异常数据的检测与处理 | 第29-30页 |
| ·数据的归一化处理 | 第30-31页 |
| ·支持向量机预测模型 | 第31-38页 |
| ·预测步骤 | 第31页 |
| ·核函数的选择 | 第31-32页 |
| ·模型参数的选取 | 第32页 |
| ·误差评价指标 | 第32-33页 |
| ·仿真研究 | 第33-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 参数选取的粒子群优化方法 | 第39-50页 |
| ·标准粒子群优化算法 | 第39-44页 |
| ·算法的原理与流程 | 第39-42页 |
| ·参数的分析与设置 | 第42-43页 |
| ·算法存在的缺陷与对策 | 第43-44页 |
| ·改进的粒子群优化算法 | 第44-46页 |
| ·初始种群的选取 | 第44-45页 |
| ·早熟收敛的判断依据 | 第45-46页 |
| ·算法流程 | 第46页 |
| ·仿真研究 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第5章 参数选取的混沌优化方法 | 第50-60页 |
| ·基本混沌优化算法 | 第50-54页 |
| ·算法的理论依据 | 第50-52页 |
| ·算法描述与说明 | 第52-53页 |
| ·算法存在的问题 | 第53-54页 |
| ·改进的变尺度混沌优化算法 | 第54-57页 |
| ·算法改进的思路与方向 | 第54-55页 |
| ·算法流程 | 第55-57页 |
| ·仿真研究 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 参数选取的混沌粒子群优化算法 | 第60-65页 |
| ·混合算法的原理与流程 | 第60-61页 |
| ·仿真研究 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第71页 |
