| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 风力发电背景及意义 | 第9-10页 |
| 1.2 风速预测的常用方法及应用 | 第10-13页 |
| 1.3 本人完成的工作 | 第13-15页 |
| 第二章 风速时间序列预测的常用方法研究 | 第15-31页 |
| 2.1 基于持续法的风速时间序列预测 | 第15-16页 |
| 2.2 基于时间序列法的风速时间序列预测 | 第16-24页 |
| 2.2.1 时间序列的三种模型 | 第16-17页 |
| 2.2.2 风速时间序列的平稳化处理 | 第17-21页 |
| 2.2.3 ARMA模型的识别条件及预测 | 第21-24页 |
| 2.3 基于人工神经网络法的风速时间序列预测 | 第24-29页 |
| 2.3.1 人工神经网络的组成 | 第25-26页 |
| 2.3.2 神经网络的结构 | 第26-27页 |
| 2.3.3 BP神经网络 | 第27-28页 |
| 2.3.4 BP神经网络对风速时间序列预测 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 迟滞Elman神经网络与复合特性Elman神经网络 | 第31-43页 |
| 3.1 Elman神经网络网络 | 第31-34页 |
| 3.1.1 Elman神经网络结构 | 第31-32页 |
| 3.1.2 Elman神经网络数学模型 | 第32-34页 |
| 3.2 迟滞Elman神经网络 | 第34-38页 |
| 3.2.1 迟滞现象及特点 | 第34-35页 |
| 3.2.2 迟滞Elman神经网络模型 | 第35-37页 |
| 3.2.3 迟滞Elman神经网络学习算法 | 第37-38页 |
| 3.3 复合特性Elman神经网络 | 第38-41页 |
| 3.3.1 复合特性Elman神经网络结构 | 第38-40页 |
| 3.3.2 复合特性Elman神经网络学习算法 | 第40-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 基于复合特性Elman神经网络的风速时间预测 | 第43-51页 |
| 4.1 风速时间序列相空间重构 | 第43-45页 |
| 4.1.1 相空间重构方法 | 第43页 |
| 4.1.2 时间延迟τ的选取 | 第43-45页 |
| 4.1.3 嵌入维数m的选取 | 第45页 |
| 4.2 复合特性Elman神经网络在风速预测中的应用 | 第45-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 风速时间序列预测的硬件实现 | 第51-65页 |
| 5.1 风速采集装置 | 第51-52页 |
| 5.2 风速采集转换电路 | 第52页 |
| 5.3 无线传输装置 | 第52-59页 |
| 5.3.1 Zigbee协议栈 | 第53-54页 |
| 5.3.2 Zigbee数据传递 | 第54-55页 |
| 5.3.3 Zigbee网络构成及组网 | 第55-59页 |
| 5.4 串口通信 | 第59-60页 |
| 5.5 人机界面的实现MFC | 第60-63页 |
| 5.5.1 MFC消息映射机制与框架运行流程 | 第61页 |
| 5.5.2 MFC应用程序工程中文件的组成结构 | 第61-62页 |
| 5.5.3 MFC界面编程实现 | 第62-63页 |
| 5.6 本章总结 | 第63-65页 |
| 第六章 结论与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表论文和参加科研情况 | 第71-73页 |
| 致谢 | 第73页 |
