| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·短期负荷预测研究的意义 | 第10-11页 |
| ·短期负荷预测的研究现状 | 第11-13页 |
| ·论文的章节安排和主要工作 | 第13-15页 |
| 第二章 短期负荷预测应用综述 | 第15-20页 |
| ·短期负荷预测过程 | 第15-17页 |
| ·短期负荷预测应用 | 第17-18页 |
| ·混合 SVM 方法的短期负荷预测 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 支持向量分类机 | 第20-29页 |
| ·基本概念 | 第20-23页 |
| ·最优化理论 | 第20-21页 |
| ·模型复杂度和泛化能力 | 第21-23页 |
| ·模型复杂度 | 第21页 |
| ·模型泛化能力 | 第21-23页 |
| ·SVM 基本原理 | 第23-26页 |
| ·线性支持向量分类机 | 第24-26页 |
| ·非线性支持向分类量机 | 第26页 |
| ·核函数的作用 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 支持向量机回归和预测模型建立 | 第29-38页 |
| ·支持向量机回归 | 第29-33页 |
| ·线性支持向量回归机 | 第29-31页 |
| ·非线性支持向量回归机 | 第31-33页 |
| ·常用的支持向量机回归算法 | 第33-34页 |
| ·传统 SVM 回归算法和改进的 SVM 回归算法 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 短期负荷预测模型的实现和仿真 | 第38-51页 |
| ·数据源选择和预处理技术 | 第38-43页 |
| ·样本序列编码信息 | 第38-41页 |
| ·样本数据预处理 | 第41-42页 |
| ·样本组成 | 第42-43页 |
| ·核函数 | 第43页 |
| ·负荷预测实现 | 第43-50页 |
| ·模型的执行流程 | 第43-45页 |
| ·预测结果分析 | 第45-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·总结 | 第51页 |
| ·展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间取得的研究成果 | 第56-57页 |
| 致谢 | 第57页 |