时间序列短期预测模型研究与应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 1 绪论 | 第11-23页 |
| 1.1 课题的背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-21页 |
| 1.3 主要工作及文章结构 | 第21-23页 |
| 2 风速和风电功率数据的预分析 | 第23-36页 |
| 2.1 引言 | 第23页 |
| 2.2 传统的时频分析方法 | 第23-26页 |
| 2.3 经验模态分解及其改进 | 第26-30页 |
| 2.4 实例分析与比较 | 第30-35页 |
| 2.5 本章小结 | 第35-36页 |
| 3 基于支持向量回归的风速和风电功率的短期预测 | 第36-59页 |
| 3.1 引言 | 第36页 |
| 3.2 支持向量回归理论 | 第36-43页 |
| 3.3 支持向量回归模型的参数寻优 | 第43-47页 |
| 3.4 算例分析 | 第47-58页 |
| 3.5 本章小结 | 第58-59页 |
| 4 小波神经网络在风电场短期预测中的应用 | 第59-77页 |
| 4.1 引言 | 第59页 |
| 4.2 小波神经网络理论 | 第59-64页 |
| 4.3 小波神经网络预测模型的建立与优化 | 第64-70页 |
| 4.4 算例分析 | 第70-76页 |
| 4.5 本章小结 | 第76-77页 |
| 5 时间序列灰色预测模型及其应用 | 第77-89页 |
| 5.1 引言 | 第77页 |
| 5.2 灰色理论预测模型 | 第77-82页 |
| 5.3 时间序列的GM(1，1)预测模型 | 第82-84页 |
| 5.4 算例分析 | 第84-87页 |
| 5.5 本章小结 | 第87-89页 |
| 6 组合预测方法及其案例分析 | 第89-103页 |
| 6.1 引言 | 第89-90页 |
| 6.2 两类组合预测模型 | 第90-94页 |
| 6.3 组合预测结果分析 | 第94-101页 |
| 6.4 本章小结 | 第101-103页 |
| 参考文献 | 第103-112页 |
| 附录1 攻读博士学位期间发表论文目录 | 第112-113页 |
| 附录2 公开发表的学术论文与博士学位论文的关系 | 第113页 |
