| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 知识发现 | 第15-16页 |
| 1.2.2 梯度提升机 | 第16-17页 |
| 1.2.3 能源预测 | 第17-18页 |
| 1.2.4 研究评述 | 第18-19页 |
| 1.3 研究内容与研究方法 | 第19-21页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 研究方法 | 第20-21页 |
| 2 相关理论基础 | 第21-32页 |
| 2.1 能源预测理论基础 | 第21-22页 |
| 2.1.1 能源预测的内涵 | 第21页 |
| 2.1.2 能源预测的重要性 | 第21-22页 |
| 2.2 知识发现理论基础 | 第22-26页 |
| 2.2.1 知识发现的内涵 | 第22-23页 |
| 2.2.2 知识发现的过程 | 第23-24页 |
| 2.2.3 知识发现的目标 | 第24-26页 |
| 2.3 梯度提升理论基础 | 第26-32页 |
| 2.3.1 损失函数 | 第26-27页 |
| 2.3.2 决策树相关知识 | 第27-28页 |
| 2.3.3 梯度提升算法 | 第28-30页 |
| 2.3.4 梯度提升树 | 第30-31页 |
| 2.3.5 梯度提升机 | 第31-32页 |
| 3 基于GBM的能源预测知识发现过程 | 第32-40页 |
| 3.1 基于GBM的能源预测知识发现的主要任务 | 第32-33页 |
| 3.2 基于GBM的能源预测知识发现过程设计 | 第33-35页 |
| 3.3 GBM预测模型建立 | 第35-40页 |
| 3.3.1 GBM特征工程 | 第36-37页 |
| 3.3.2 GBM建模过程 | 第37-39页 |
| 3.3.3 预测结果的评价指标 | 第39-40页 |
| 4 基于GBM的能源预测知识发现模型 | 第40-55页 |
| 4.1 基于GBM的能源预测知识发现模型的构建原则 | 第40-41页 |
| 4.1.1 基本原则 | 第40-41页 |
| 4.1.2 设计原则 | 第41页 |
| 4.2 基于GBM的能源预测知识发现模型的设计 | 第41-44页 |
| 4.2.1 知识发现的一般架构 | 第42-43页 |
| 4.2.2 模型设计 | 第43-44页 |
| 4.3 基于GBM的能源预测知识发现模型构建 | 第44-55页 |
| 4.3.1 用户模块 | 第46-47页 |
| 4.3.2 数据采集模块 | 第47-48页 |
| 4.3.3 数据预处理模块 | 第48-50页 |
| 4.3.4 数据挖掘模块 | 第50-53页 |
| 4.3.5 模式评估模块 | 第53页 |
| 4.3.6 结果可视化模块 | 第53-55页 |
| 5 实验 | 第55-65页 |
| 5.1 用户需求分析 | 第55-56页 |
| 5.2 数据采集 | 第56-58页 |
| 5.3 数据预处理 | 第58-59页 |
| 5.3.1 数据转换 | 第58页 |
| 5.3.2 数据清洗 | 第58-59页 |
| 5.4 数据挖掘 | 第59-62页 |
| 5.4.1 构造特征 | 第59-60页 |
| 5.4.2 GBM建模 | 第60-62页 |
| 5.5 模式评估与结果可视化 | 第62-65页 |
| 6 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间参加的科研项目及发表的论文 | 第72-73页 |
| 致谢 | 第73页 |