| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·选题背景及意义 | 第11-14页 |
| ·风电发展现状 | 第11-12页 |
| ·我国风电产业存在的问题 | 第12-13页 |
| ·风速及风电功率预测意义 | 第13-14页 |
| ·国内外风速及风电功率预测研究应用现状 | 第14-17页 |
| ·研究现状 | 第14-15页 |
| ·应用现状 | 第15-17页 |
| ·现状总结 | 第17页 |
| ·本文所做的工作 | 第17-19页 |
| 第二章 基于支持向量回归的风速预测 | 第19-38页 |
| ·概述 | 第19页 |
| ·支持向量分类机 | 第19-22页 |
| ·线性可分支持向量分类机 | 第19-22页 |
| ·近似线性可分支持向量分类机 | 第22页 |
| ·支持向量回归机 | 第22-25页 |
| ·线性硬ε-带支持向量回归机 | 第22-24页 |
| ·线性ε-带支持向量回归机 | 第24-25页 |
| ·核函数 | 第25-28页 |
| ·核函数支持向量回归机 | 第25-26页 |
| ·核函数和参数的选择 | 第26-28页 |
| ·基于支持向量回归的风速预测模型 | 第28-29页 |
| ·基于C-C 法的风速序列相空间重构 | 第29-33页 |
| ·相空间重构基本理论 | 第29-30页 |
| ·相空间重构方法 | 第30-33页 |
| ·风速序列的相空间重构 | 第33页 |
| ·算例分析 | 第33-37页 |
| ·实验数据 | 第33-34页 |
| ·评价指标 | 第34-35页 |
| ·参数设置 | 第35页 |
| ·预测结果 | 第35-36页 |
| ·结果分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 基于小波包分解和支持向量回归的风速预测 | 第38-54页 |
| ·概述 | 第38页 |
| ·小波包变换 | 第38-44页 |
| ·基本原理 | 第38-41页 |
| ·时频分辨率分析 | 第41-44页 |
| ·WP-SVR 风速预测模型 | 第44页 |
| ·算例分析 | 第44-53页 |
| ·风速序列的小波包分解 | 第44-48页 |
| ·参数设置 | 第48-49页 |
| ·预测结果 | 第49-52页 |
| ·结果分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 基于数学形态学分解和支持向量回归的风速预测 | 第54-64页 |
| ·概述 | 第54页 |
| ·数学形态学基本原理 | 第54-55页 |
| ·形态学滤波器的构造 | 第55-56页 |
| ·基于形态学滤波器的多尺度分解算法 | 第56-57页 |
| ·形态学多尺度分解的概念 | 第56页 |
| ·结构元素的选择 | 第56-57页 |
| ·分解算法 | 第57页 |
| ·MM-SVR 风速预测模型 | 第57-58页 |
| ·算例分析 | 第58-63页 |
| ·风速序列的形态学分解 | 第58-59页 |
| ·参数设置 | 第59-60页 |
| ·预测结果 | 第60-62页 |
| ·结果分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 基于经验模态分解和支持向量回归的风速预测 | 第64-73页 |
| ·概述 | 第64页 |
| ·经验模态分解基本原理 | 第64-65页 |
| ·EMD-SVR 的风速预测模型 | 第65页 |
| ·算例分析 | 第65-72页 |
| ·风速序列的经验模态分解 | 第65-66页 |
| ·参数设置 | 第66页 |
| ·预测结果 | 第66-68页 |
| ·结果分析 | 第68页 |
| ·几种不同分解算法预测结果比较 | 第68-72页 |
| ·本章小结 | 第72-73页 |
| 总结与展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| 附件 | 第81页 |