基于支持向量回归在短期负荷预测中的应用
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-17页 |
| ·选题背景和意义 | 第10-13页 |
| ·电力负荷预测 | 第10-12页 |
| ·统计学理论 | 第12-13页 |
| ·国内外研究状态 | 第13-14页 |
| ·课题研究内容 | 第14-15页 |
| ·课题研究难点 | 第15-17页 |
| 第2章 电力系统短期负荷预测理论 | 第17-31页 |
| ·电力负荷的特征 | 第17-23页 |
| ·电力负荷的分类 | 第17-18页 |
| ·电力负荷的特点 | 第18-19页 |
| ·影响电力负荷的因素 | 第19-21页 |
| ·电力负荷预测理论 | 第21-23页 |
| ·电力负荷数据处理 | 第23-28页 |
| ·数据预处理 | 第23-24页 |
| ·数据预处理步骤 | 第24-27页 |
| ·电力负荷数据的归一化 | 第27-28页 |
| ·电力负荷预测误差分析 | 第28-30页 |
| ·小结 | 第30-31页 |
| 第3章 支持向量机理论 | 第31-44页 |
| ·统计学 | 第31-33页 |
| ·VC 维 | 第31-32页 |
| ·推广性的界 | 第32页 |
| ·SRM 准则 | 第32-33页 |
| ·SVM 原理 | 第33-39页 |
| ·SVM 的基本思想 | 第33-34页 |
| ·最优分类面 | 第34-38页 |
| ·核函数 | 第38-39页 |
| ·支持向量回归 | 第39-43页 |
| ·小结 | 第43-44页 |
| 第4章 序列最小优化算法研究 | 第44-49页 |
| ·SMO 原理 | 第44-45页 |
| ·SMO 算法 | 第45-48页 |
| ·SMO 算法基本原理 | 第45页 |
| ·SMO 算法的回归解 | 第45-47页 |
| ·阈值更新 | 第47页 |
| ·SMO 算法的步骤 | 第47-48页 |
| ·小结 | 第48-49页 |
| 第5章 实例分析比较 | 第49-56页 |
| ·电力负荷数据具体来源 | 第49页 |
| ·电力负荷预测步骤 | 第49-50页 |
| ·LR、SVM、SMO 仿真比较 | 第50-53页 |
| ·仿真工具 | 第50-51页 |
| ·线性回归 | 第51-52页 |
| ·仿真比较结果 | 第52-53页 |
| ·SVM、SMO 仿真比较 | 第53-56页 |
| 结论 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附表 | 第62-70页 |
| 作者简介 | 第70页 |
| 攻读硕士学位期间发表的论文 | 第70-71页 |
