| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 引言 | 第7-10页 |
| 第二章 基于神经网络的风速预测模型 | 第10-17页 |
| 2.1 神经网络简介 | 第10页 |
| 2.2 BP神经网络 | 第10-14页 |
| 2.3 小波神经网络 | 第14-15页 |
| 2.4 数值实验 | 第15-17页 |
| 2.4.1 数据来源及描述 | 第15页 |
| 2.4.2 预测结果 | 第15-17页 |
| 第三章 基于PSO算法的最小二乘支持向量机的风速预测 | 第17-27页 |
| 3.1 VC维理论 | 第17页 |
| 3.2 结构风险最小化原则 | 第17-18页 |
| 3.3 支持向量机 | 第18页 |
| 3.4 支持向量回归机 | 第18-20页 |
| 3.5 最小二乘支持向量机 | 第20-22页 |
| 3.6 PSO算法 | 第22-25页 |
| 3.6.1 PSO算法的基本理论 | 第22-23页 |
| 3.6.2 PSO算法的流程 | 第23-24页 |
| 3.6.3 PSO算法的参数选择 | 第24-25页 |
| 3.7 PSO-LSSVM算法流程 | 第25页 |
| 3.8 数值实验 | 第25-27页 |
| 第四章 基于数据预处理和布谷鸟算法的最小二乘支持向量机混合模型的风速预测 | 第27-45页 |
| 4.1 数据预处理 | 第27-31页 |
| 4.1.1 小波变换 | 第27-29页 |
| 4.1.2 小波包变换 | 第29-31页 |
| 4.2 布谷鸟算法 | 第31-34页 |
| 4.2.1 莱维飞行 | 第32页 |
| 4.2.2 布谷鸟搜索算法 | 第32-34页 |
| 4.3 假设检验 | 第34页 |
| 4.4 混合风速预测模型的流程 | 第34-36页 |
| 4.5 数值实验 | 第36-45页 |
| 4.5.1 数据预处理的结果 | 第36-37页 |
| 4.5.2 预测结果 | 第37-39页 |
| 4.5.3 假设检验结果 | 第39-40页 |
| 4.5.4 预测结果的比较 | 第40-45页 |
| 第五章 结论与展望 | 第45-47页 |
| 5.1 结论 | 第45页 |
| 5.2 展望 | 第45-47页 |
| 参考文献 | 第47-52页 |
| 附录 | 第52-58页 |
| 在学期间的研究成果 | 第58-59页 |
| 致谢 | 第59页 |