| 中文摘要 | 第3-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-25页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 风速预测方法的研究现状 | 第12-18页 |
| 1.3 研究思路与文章结构 | 第18-20页 |
| 1.4 创新点 | 第20-21页 |
| 参考文献 | 第21-25页 |
| 第二章 数据与方法 | 第25-43页 |
| 2.1 研究区域与数据选取 | 第25-27页 |
| 2.2 基本风速预测模型 | 第27-34页 |
| 2.3 信号分解技术 | 第34-38页 |
| 2.4 风速组合预测方法 | 第38-41页 |
| 参考文献 | 第41-43页 |
| 第三章 风速组合预测中常用的优化算法及其改进 | 第43-61页 |
| 3.1 引言 | 第43-44页 |
| 3.2 果蝇优化算法(FOA) | 第44-46页 |
| 3.3 改进混沌搜索花粉传播优化算法(CLSFPA) | 第46-51页 |
| 3.4 基于蝙蝠搜索和花粉传播的混合智能算法(BSFPA) | 第51-59页 |
| 3.5 小结 | 第59-60页 |
| 参考文献 | 第60-61页 |
| 第四章 基于EEMD分解与模型选择的风速组合预测 | 第61-77页 |
| 4.1 引言 | 第61-62页 |
| 4.2 算法介绍 | 第62-65页 |
| 4.3 数值模拟 | 第65-74页 |
| 4.4 结论 | 第74-76页 |
| 参考文献 | 第76-77页 |
| 第五章 基于CEEMDAN分解与CLSFPA优化的组合预测 | 第77-91页 |
| 5.1 引言 | 第77-78页 |
| 5.2 基于CEEMDAN-CLSFPA组合预测模型 | 第78-80页 |
| 5.3 数值模拟 | 第80-89页 |
| 5.4 结论 | 第89-90页 |
| 参考文献 | 第90-91页 |
| 第六章 基于混合双信号分解与参数优化的风速组合预测 | 第91-111页 |
| 6.1 引言 | 第91-92页 |
| 6.2 基于FPA优化的BP神经网络预测模型 | 第92-93页 |
| 6.3 混合双信号分解方法(HDT) | 第93-98页 |
| 6.4 基于HDT-FPA-BP组合预测模型 | 第98-99页 |
| 6.5 数值模拟 | 第99-109页 |
| 6.6 结论 | 第109-110页 |
| 参考文献 | 第110-111页 |
| 第七章 基于MOBSFPA多目标优化的组合加权预测 | 第111-123页 |
| 7.1 引言 | 第111页 |
| 7.2 多目标优化算法 | 第111-112页 |
| 7.3 基于MOBSFPA多目标优化的组合预测模型 | 第112-116页 |
| 7.4 数值模拟 | 第116-122页 |
| 7.5 结论 | 第122页 |
| 参考文献 | 第122-123页 |
| 第八章 结论与展望 | 第123-125页 |
| 在学期间的研究成果 | 第125-127页 |
| 致谢 | 第127页 |
