| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题研究的背景与意义 | 第9-12页 |
| 1.1.1 课题研究的背景 | 第9-10页 |
| 1.1.2 课题研究的意义 | 第10-12页 |
| 1.2 国内外研究现状及发展动态 | 第12-13页 |
| 1.3 风速预测技术分类及方法 | 第13-16页 |
| 1.3.1 风速预测的分类 | 第13-14页 |
| 1.3.2 风速预测的方法 | 第14-16页 |
| 1.4 本文主要内容及章节安排 | 第16-18页 |
| 第2章 风速采样数据的处理 | 第18-26页 |
| 2.1 引言 | 第18页 |
| 2.2 测风数据的预处理 | 第18-24页 |
| 2.2.1 测量数据的检验 | 第18-21页 |
| 2.2.2 坏数据和缺测数据的填补 | 第21-24页 |
| 2.3 相关性分析 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 Spiking神经网络及其研究 | 第26-40页 |
| 3.1 引言 | 第26页 |
| 3.2 Spike神经元模型 | 第26-32页 |
| 3.2.1 生物神经元模型 | 第26-28页 |
| 3.2.2 人工神经元模型 | 第28页 |
| 3.2.3 Spiking神经元模型 | 第28-30页 |
| 3.2.4 SRM_0模型 | 第30-32页 |
| 3.3 Spiking神经网络的结构 | 第32-33页 |
| 3.4 Spiking神经网络数据的编码 | 第33-34页 |
| 3.5 SpikeProp算法 | 第34-37页 |
| 3.6 改进的SpikeProp算法 | 第37-39页 |
| 3.7 本章小结 | 第39-40页 |
| 第4章 基于Spiking神经网络的风电场风速预测 | 第40-49页 |
| 4.1 引言 | 第40页 |
| 4.2 仿真环境介绍 | 第40页 |
| 4.3 基于SNN的风速预测模型 | 第40-44页 |
| 4.3.1 预测模型输入/输出向量的设计 | 第40-42页 |
| 4.3.2 预测模型结构的确定 | 第42页 |
| 4.3.3 预测模型的输入/输出编码 | 第42页 |
| 4.3.4 训练方法说明 | 第42-43页 |
| 4.3.5 主程序流程图 | 第43-44页 |
| 4.4 基于SpikeProp算法的SNN与BP、RBF神经网络的仿真比较分析 | 第44-48页 |
| 4.4.1 参数设置 | 第44-45页 |
| 4.4.2 仿真结果比较分析 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 结论与展望 | 第49-51页 |
| 5.1 全文工作结论 | 第49页 |
| 5.2 未来工作展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56页 |