基于相关向量机的混合模型在时间序列预测中的研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 预测模型的研究历史与现状 | 第11-15页 |
| 1.2.1 统计模型 | 第11页 |
| 1.2.2 人工智能模型 | 第11-12页 |
| 1.2.3 混合预测模型 | 第12-13页 |
| 1.2.4 混合模型的国内外研究现状 | 第13-15页 |
| 1.3 本文的主要研究工作 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-17页 |
| 第二章 基础理论介绍 | 第17-24页 |
| 2.1 小波转换 | 第17-18页 |
| 2.2 奇异谱分析 | 第18-19页 |
| 2.3 优化算法介绍 | 第19-21页 |
| 2.3.1 果蝇优化算法介绍 | 第19-20页 |
| 2.3.2 遗传算法 | 第20-21页 |
| 2.4 相关向量机 | 第21-24页 |
| 第三章 WSFRVM模型在电力负荷预测中的应用 | 第24-40页 |
| 3.1 引言 | 第24-25页 |
| 3.2 WSFRVM组合预测方法 | 第25-29页 |
| 3.2.1 数据预处理 | 第27-28页 |
| 3.2.2 RVM的构建与优化 | 第28-29页 |
| 3.2.3 预测阶段 | 第29页 |
| 3.3 数据描述 | 第29页 |
| 3.4 预测策略与预测指标 | 第29-32页 |
| 3.4.1 预测策略 | 第29-31页 |
| 3.4.2 预测精度的评估 | 第31-32页 |
| 3.5 实验及结果分析与讨论 | 第32-39页 |
| 3.5.1 实验一:Ontario电力市场数据集 | 第32-35页 |
| 3.5.2 实验二:QLD电力市场数据集 | 第35-36页 |
| 3.5.3 实验三:NSW电力市场数据 | 第36-37页 |
| 3.5.4 DM测试 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 SMFRVM模型在时间序列预测中的应用 | 第40-53页 |
| 4.1 引言 | 第40页 |
| 4.2 SMFRVM组合预测方法 | 第40-44页 |
| 4.2.1 数据预处理 | 第41-44页 |
| 4.2.2 RVM的构建与优化 | 第44页 |
| 4.2.3 预测阶段 | 第44页 |
| 4.3 数据描述 | 第44-45页 |
| 4.4 实验及结果分析与讨论 | 第45-52页 |
| 4.4.1 实验一:交通流量数据集 | 第46-48页 |
| 4.4.2 实验二:风速数据集 | 第48-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53-54页 |
| 5.2 研究展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 在学期间的研究成果 | 第60-61页 |
| 致谢 | 第61页 |
