| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 BP神经网络国内外研究现状 | 第12-13页 |
| 1.2.2 萤火虫算法国内外研究现状 | 第13-14页 |
| 1.2.3 萤火虫算法优化的BP混合预测模型国内外研究现状 | 第14-15页 |
| 1.3 论文主要工作及研究内容 | 第15-17页 |
| 1.4 本文的创新与不足之处 | 第17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 BP神经网络模型的特点及其局限性 | 第18-23页 |
| 2.1 BP神经网络的原理与特点 | 第18-19页 |
| 2.2 BP神经网络的步骤及流程 | 第19-20页 |
| 2.3 BP神经网络的参数选取 | 第20页 |
| 2.4 BP神经网络模型的局限性 | 第20-21页 |
| 2.5 本章小结 | 第21-23页 |
| 3 萤火虫优化算法的特点及其改进 | 第23-28页 |
| 3.1 萤火虫优化算法特点及局限性 | 第23-26页 |
| 3.2 Broyden-Fletcher-Goldfarb-Shanno对萤火虫优化算法的改进 | 第26-27页 |
| 3.3 改进后的萤火虫优化算法BFGS-FA优点 | 第27页 |
| 3.4 本章小结 | 第27-28页 |
| 4 引入改进萤火虫优化算法的BP混合预测模型及评估 | 第28-35页 |
| 4.1 模型建立的前期准备 | 第28-30页 |
| 4.1.1 数据分解 | 第28-29页 |
| 4.1.2 数据重构 | 第29-30页 |
| 4.2 改进后的BP混合预测模型 | 第30-32页 |
| 4.3 改进后BP混合预测模型的评估 | 第32-34页 |
| 4.3.1 常用评估指标 | 第32-33页 |
| 4.3.2 DM检验评估 | 第33-34页 |
| 4.4 本章小结 | 第34-35页 |
| 5 基于改进的BP混合预测模型在风速预测中的应用 | 第35-46页 |
| 5.1 数据集的选取 | 第35-36页 |
| 5.2 实验设计 | 第36-38页 |
| 5.3 预测结果分析 | 第38-42页 |
| 5.3.1 在三个站点预测结果对比分析 | 第38-41页 |
| 5.3.2 与其它模型结果对比分析 | 第41-42页 |
| 5.3.3 DM检验结果分析 | 第42页 |
| 5.4 本章小结 | 第42-46页 |
| 6 结论与展望 | 第46-48页 |
| 附录 | 第48-51页 |
| 在学期间发表的科研成果 | 第51-52页 |
| 参考文献 | 第52-59页 |
| 后记 | 第59-60页 |
