摘要 | 第4-5页 |
Abstract | 第5-6页 |
TABLE OF CONTENTS | 第10-13页 |
图目录 | 第13-14页 |
表目录 | 第14-16页 |
主要符号表 | 第16-17页 |
1 绪论 | 第17-30页 |
1.1 研究背景及意义 | 第17-18页 |
1.2 研究问题概述 | 第18-21页 |
1.2.1 二次能源系统概述 | 第18-20页 |
1.2.2 预测问题概述 | 第20-21页 |
1.3 二次能源系统预测现状 | 第21-22页 |
1.4 预测方法研究概况 | 第22-27页 |
1.4.1 点预测方法 | 第22-25页 |
1.4.2 区间预测方法 | 第25-27页 |
1.5 主要研究内容 | 第27-30页 |
2 基于时间序列数据的产消量点预测 | 第30-50页 |
2.1 基于ESN的点预测模型 | 第30-31页 |
2.1.1 经典ESN模型 | 第30-31页 |
2.1.2 改进ESN模型 | 第31页 |
2.2 参数估计 | 第31-37页 |
2.2.1 双重估计的基本原理 | 第31-33页 |
2.2.2 基于CKF的状态估计 | 第33-34页 |
2.2.3 基于线性KF的权值估计 | 第34-35页 |
2.2.4 参数估计的实现步骤 | 第35-37页 |
2.3 仿真实验与分析 | 第37-49页 |
2.3.1 含噪声Mackey Glass序列 | 第37-42页 |
2.3.2 煤气系统发生流量 | 第42-46页 |
2.3.3 氧气系统消耗流量 | 第46-49页 |
2.4 本章小结 | 第49-50页 |
3 基于关系数据的存储量点预测 | 第50-61页 |
3.1 基于T-S模糊建模的预测模型 | 第50-51页 |
3.2 模糊模型的辨识 | 第51-55页 |
3.2.1 输入变量的选择 | 第52页 |
3.2.2 输入/输出空间的划分 | 第52-54页 |
3.2.3 后件参数的辨识 | 第54-55页 |
3.3 仿真实验与分析 | 第55-60页 |
3.4 本章小结 | 第60-61页 |
4 基于Bootstrap ESN集成的产消量区间预测 | 第61-87页 |
4.1 基于ESN集成的区间预测模型 | 第61-62页 |
4.2 网络集成模型学习 | 第62-68页 |
4.2.1 模型结构确定与估计 | 第63-64页 |
4.2.2 基于BLR的同步式参数学习 | 第64-67页 |
4.2.3 网络集成模型学习步骤 | 第67-68页 |
4.3 ESN集成方法优势分析 | 第68-70页 |
4.4 预测区间的构建 | 第70-71页 |
4.5 仿真实验与分析 | 第71-86页 |
4.5.1 含噪声MSO序列 | 第71-76页 |
4.5.2 高炉煤气发生流量 | 第76-81页 |
4.5.3 转炉煤气消耗流量 | 第81-86页 |
4.6 本章小结 | 第86-87页 |
5 具有输入不确定性的存储量区间预测 | 第87-101页 |
5.1 具有输入不确定性的ESN模型 | 第87-88页 |
5.2 具有输入不确定性的预测分布估计 | 第88-93页 |
5.2.1 外部输入不确定性 | 第88-90页 |
5.2.2 反馈输入不确定性 | 第90-92页 |
5.2.3 总体不确定性 | 第92-93页 |
5.3 具有输入不确定性的预测区间构建 | 第93-94页 |
5.4 仿真实验与分析 | 第94-100页 |
5.5 本章小结 | 第100-101页 |
6 二次能源预测系统实现与应用 | 第101-110页 |
6.1 应用系统概况 | 第101-102页 |
6.2 系统设计 | 第102-104页 |
6.2.1 软件系统架构 | 第102-103页 |
6.2.2 系统功能设计 | 第103-104页 |
6.2.3 系统运行环境 | 第104页 |
6.3 系统运行实例 | 第104-109页 |
6.3.1 预测实例 | 第104-108页 |
6.3.2 辅助调整实例 | 第108-109页 |
6.4 本章小结 | 第109-110页 |
7 结论与展望 | 第110-112页 |
7.1 结论 | 第110页 |
7.2 创新点摘要 | 第110-111页 |
7.3 展望 | 第111-112页 |
参考文献 | 第112-119页 |
攻读博士学位期间科研项目及科研成果 | 第119-121页 |
致谢 | 第121-122页 |
作者简介 | 第122-123页 |