| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 数据集选取 | 第13-14页 |
| 1.2.2 预测模型构建 | 第14-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 章节安排 | 第18-19页 |
| 第2章 电力负荷预测概述 | 第19-29页 |
| 2.1 电力负荷预测分类及特点 | 第19-21页 |
| 2.1.1 电力负荷预测分类 | 第19-20页 |
| 2.1.2 电力负荷预测的特点 | 第20-21页 |
| 2.2 电力负荷预测原理 | 第21-22页 |
| 2.3 电力负荷预测方法 | 第22-28页 |
| 2.3.1 最小二乘支持向量机 | 第22-26页 |
| 2.3.2 基于树的方法 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 数据集的选取与预测模型的构建 | 第29-39页 |
| 3.1 数据集选取方法 | 第29-32页 |
| 3.1.1 数据预处理 | 第29-31页 |
| 3.1.2 互信息 | 第31-32页 |
| 3.2 多算法多模型构建方法 | 第32-36页 |
| 3.2.1 Bootstrap采样 | 第33-34页 |
| 3.2.2 LSSVM预测模型 | 第34页 |
| 3.2.3 初始化GBRT预测模型 | 第34-35页 |
| 3.2.4 BP神经网络预测模型 | 第35-36页 |
| 3.3 决策模型构建方法 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 多算法多模型与在线第二次学习结合的预测方法实现 | 第39-45页 |
| 4.1 预测方法框图 | 第39-40页 |
| 4.2 整体预测步骤 | 第40-44页 |
| 4.2.1 数据集的选取 | 第40-42页 |
| 4.2.2 采样空间多元非线性异构模型 | 第42-43页 |
| 4.2.3 在线第二次学习 | 第43-44页 |
| 4.2.4 最终预测 | 第44页 |
| 4.3 本章小结 | 第44-45页 |
| 第5章 案例研究 | 第45-55页 |
| 5.1 实验环境 | 第45页 |
| 5.1.1 MATLAB介绍 | 第45页 |
| 5.1.2 实验环境 | 第45页 |
| 5.2 实验概况 | 第45-46页 |
| 5.2.1 模型参数设置 | 第45-46页 |
| 5.2.2 模型评估指标 | 第46页 |
| 5.3 案例1:多元非线性异构模型组合实验 | 第46-48页 |
| 5.4 案例2:多模型集成方法和多源数据对比实验 | 第48-50页 |
| 5.5 案例3:单模型方法对比实验 | 第50-52页 |
| 5.6 案例4:基于在线第二次学习的多模型方法对比实验 | 第52-54页 |
| 5.7 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 附录A 攻读学位期间所发表的学术论文 | 第61-62页 |
| 附录B 攻读学位期间参与的科研项目 | 第62-63页 |
| 致谢 | 第63页 |