基于小波变异果蝇优化支持向量机的短期负荷预测研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 负荷预测研究的背景和意义 | 第8页 |
| 1.2 国内外研究发展和应用现状 | 第8-11页 |
| 1.2.1 短期负荷预测的国内外发展历程 | 第8-9页 |
| 1.2.2 负荷预测分类以及特点 | 第9页 |
| 1.2.3 负荷预测的常用方法 | 第9-11页 |
| 1.3 支持向量机应用难点 | 第11页 |
| 1.4 本文的主要工作 | 第11-14页 |
| 2 电力负荷数据预处理方法 | 第14-20页 |
| 2.1 引言 | 第14页 |
| 2.2 小波理论 | 第14-18页 |
| 2.2.1 小波发展 | 第14-15页 |
| 2.2.2 连续小波变换 | 第15-16页 |
| 2.2.3 连续小波变换的离散化 | 第16-18页 |
| 2.3 小波分析在电力负荷预测的应用 | 第18页 |
| 2.4 本章小结 | 第18-20页 |
| 3 支持向量机 | 第20-34页 |
| 3.1 统计学习理论 | 第20-23页 |
| 3.1.1 期望风险与经验风险逼近 | 第20-21页 |
| 3.1.2 统计学VC维 | 第21页 |
| 3.1.3 泛化能力的界 | 第21-22页 |
| 3.1.4 结构风险最小化 | 第22-23页 |
| 3.2 支持向量机 | 第23-33页 |
| 3.2.1 最优分类面 | 第24-26页 |
| 3.2.2 线性回归 | 第26-29页 |
| 3.2.3 标准支持向量机 | 第29-31页 |
| 3.2.4 核函数 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 4 果蝇算法 | 第34-50页 |
| 4.1 基本果蝇算法 | 第34-42页 |
| 4.1.1 果蝇算法基本原理 | 第34-35页 |
| 4.1.2 果蝇算法实现步骤及流程 | 第35-37页 |
| 4.1.3 全局寻优能力分析 | 第37-42页 |
| 4.2 果蝇算法改进 | 第42-48页 |
| 4.2.1 佳点集法选取种群初始位置 | 第43-44页 |
| 4.2.2 自适应步长动态调整 | 第44-45页 |
| 4.2.3 早熟判定和高斯变异 | 第45-46页 |
| 4.2.4 改进果蝇算法的实现步骤和流程 | 第46-48页 |
| 4.3 本章小结 | 第48-50页 |
| 5 基于WFOAAM-SVM预测模型搭建 | 第50-60页 |
| 5.1 数据处理 | 第50-53页 |
| 5.1.1 负荷数据的预处理 | 第50-51页 |
| 5.1.2 输入样本的选择 | 第51-52页 |
| 5.1.3 数据归一化处理 | 第52-53页 |
| 5.2 小波变换 | 第53-55页 |
| 5.3 变异果蝇优化的支持向量机 | 第55-56页 |
| 5.3.1 支持向量机核函数选择 | 第55-56页 |
| 5.3.2 支持向量机参数选择 | 第56页 |
| 5.4 基于WFOAAM-SVM预测模型搭建流程 | 第56-57页 |
| 5.5 误差评价指标 | 第57-58页 |
| 5.6 本章小结 | 第58-60页 |
| 6 实例分析 | 第60-74页 |
| 6.1 小波支持向量机模型预测 | 第60-63页 |
| 6.2 小波粒子群优化的支持向量机预测模型 | 第63-66页 |
| 6.3 小波变异果蝇优化的支持向量机模型预测 | 第66-68页 |
| 6.4 对比分析 | 第68-72页 |
| 6.5 本章小结 | 第72-74页 |
| 7 结论与展望 | 第74-76页 |
| 攻读学位期间参加的科研项目及发表的学术论文 | 第76-78页 |
| 致谢 | 第78-80页 |
| 参考文献 | 第80-82页 |
