基于支持向量机的短期风速预测方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·选题背景及意义 | 第8-10页 |
| ·风速预测的概念和特点 | 第10-11页 |
| ·风速预测的研究现状 | 第11-12页 |
| ·本文的研究内容及安排 | 第12-14页 |
| 2 统计学习理论与支持向量机概述 | 第14-30页 |
| ·统计学习理论 | 第14-21页 |
| ·机器学习问题 | 第15-17页 |
| ·学习过程的一致性 | 第17-18页 |
| ·学习机器推广能力的界和VC 维 | 第18-20页 |
| ·结构风险最小化原则 | 第20-21页 |
| ·支持向量机概述 | 第21-30页 |
| ·广义最优分类面 | 第21-22页 |
| ·线性支持向量机 | 第22-25页 |
| ·非线性支持向量机 | 第25-26页 |
| ·核函数 | 第26-28页 |
| ·支持向量回归机 | 第28-30页 |
| 3 支持向量回归机的模型选择 | 第30-39页 |
| ·支持向量回归机模型 | 第30-34页 |
| ·ε- 支持向量回归机 | 第30-33页 |
| ·v - 支持向量回归机 | 第33-34页 |
| ·核函数的选择与构造 | 第34-36页 |
| ·模型参数的选择与确定 | 第36-39页 |
| 4 基于SVR 的短期风速预测 | 第39-54页 |
| ·基于SVR 的短期风速预测模型 | 第39-42页 |
| ·模型的构建 | 第39-40页 |
| ·模型的求解 | 第40-42页 |
| ·工具软件LIBSVM 简介 | 第42-44页 |
| ·关于LIBSVM | 第42页 |
| ·LIBSVM 使用方法 | 第42-44页 |
| ·短期风速预测实例分析 | 第44-49页 |
| ·数据的预处理 | 第44-45页 |
| ·模型参数(C, σ) 的选取 | 第45-48页 |
| ·ε- SVR 模型参数的确定 | 第48-49页 |
| ·v- SVR 模型参数的确定 | 第49页 |
| ·预测结果对比分析 | 第49-54页 |
| ·基于ε- SVR 的短期风速预测 | 第50-51页 |
| ·基于v- SVR 的短期风速预测 | 第51-52页 |
| ·模型预测结果分析 | 第52-54页 |
| 5 结论 | 第54-56页 |
| ·结论 | 第54页 |
| ·展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60-65页 |
