基于支持向量机的电网月度负荷预测方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·选题背景及意义 | 第9-10页 |
| ·负荷预测的概念 | 第9页 |
| ·负荷预测的分类 | 第9-10页 |
| ·月度负荷预测的概念 | 第10页 |
| ·国内外研究和应用现状 | 第10-13页 |
| ·本文的主要工作 | 第13-14页 |
| 第二章 支持向量机原理 | 第14-28页 |
| ·统计学习理论基础 | 第14-16页 |
| ·VC维理论 | 第14页 |
| ·推广性的界 | 第14-15页 |
| ·结构风险最小化 | 第15-16页 |
| ·支持向量机理论 | 第16-24页 |
| ·预备知识 | 第16-18页 |
| ·支持向量机 | 第18-21页 |
| ·支持向量回归机 | 第21-24页 |
| ·最小二乘支持向量机 | 第24-26页 |
| ·LSSVM回归原理 | 第24-25页 |
| ·核函数和参数 | 第25-26页 |
| ·支持向量机的应用 | 第26页 |
| ·本章小结 | 第26-28页 |
| 第三章 基于最小二乘支持向量机的月度负荷预测方法 | 第28-40页 |
| ·月负荷的特性 | 第28-29页 |
| ·基于最小二乘支持向量机的月负荷预测方法 | 第29-32页 |
| ·核函数选取 | 第30页 |
| ·模型参数选取 | 第30-32页 |
| ·数据预处理 | 第32-35页 |
| ·数据预处理的意义 | 第32-33页 |
| ·数据预处理方法 | 第33-35页 |
| ·相似月选择 | 第35-38页 |
| ·灰色关联分析理论 | 第36页 |
| ·基于灰色关联度的相似月选择 | 第36-38页 |
| ·基于灰色关联度的LSSVM方法 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第四章 实例验证分析 | 第40-47页 |
| ·月负荷预测的流程 | 第40-41页 |
| ·月负荷预测步骤 | 第41-44页 |
| ·选择相似月样本 | 第41页 |
| ·LSSVM参数选择 | 第41-42页 |
| ·LSSVM预测模型 | 第42-44页 |
| ·月负荷预测的误差 | 第44-45页 |
| ·月负荷预测结果比较分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 结论与展望 | 第47-49页 |
| ·主要成果及结论 | 第47页 |
| ·有待进一步研究的工作 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表的学术论文及其他成果 | 第53-54页 |
| 攻读硕士学位期间参加的科研工作 | 第54-55页 |
| 致谢 | 第55-56页 |
| 作者简介 | 第56页 |
