支持向量回归在短期负荷预测中的应用研究
| 摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·选题背景及意义 | 第7-9页 |
| ·电力系统负荷预测 | 第7-8页 |
| ·统计学习理论 | 第8-9页 |
| ·国内外研究动态 | 第9-10页 |
| ·课题研究难点 | 第10-11页 |
| ·课题研究内容 | 第11-12页 |
| 第二章 电力系统短期负荷预测理论 | 第12-23页 |
| ·电力负荷的分类与特性 | 第12-16页 |
| ·电力负荷的分类 | 第12-13页 |
| ·电力负荷的特点 | 第13-14页 |
| ·电力负荷的影响因素 | 第14-15页 |
| ·负荷预测的基本原理 | 第15-16页 |
| ·负荷数据预处理 | 第16-21页 |
| ·数据预处理意义 | 第16-17页 |
| ·数据预处理步骤 | 第17-20页 |
| ·负荷数据的标准化 | 第20-21页 |
| ·负荷预测的误差分析 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 支持向量机理论 | 第23-36页 |
| ·统计学习理论 | 第23-26页 |
| ·学习过程一致性的条件 | 第23-24页 |
| ·VC 维 | 第24页 |
| ·泛化能力的界 | 第24-25页 |
| ·结构风险最小化 | 第25-26页 |
| ·支持向量机 | 第26-31页 |
| ·最优分类面 | 第26-30页 |
| ·核函数 | 第30-31页 |
| ·支持向量回归 | 第31-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 序列最小优化算法研究 | 第36-41页 |
| ·引言 | 第36-37页 |
| ·SMO 算法 | 第37-40页 |
| ·SMO 算法基本原理 | 第37-40页 |
| ·SMO 算法的回归解 | 第38-39页 |
| ·阈值更新 | 第39页 |
| ·SMO 算法的实现步骤 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 实例仿真分析 | 第41-46页 |
| ·负荷预测基本步骤 | 第41-42页 |
| ·LR、SVM、SMO 仿真比较 | 第42-43页 |
| ·线性回归（LR） | 第42页 |
| ·仿真结果 | 第42-43页 |
| ·SVM、SMO 仿真比较 | 第43-46页 |
| ·不加入气象因子 | 第44-45页 |
| ·加入气象因子 | 第45-46页 |
| 第六章 结论 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 在学期间发表的学术论文和参加科研情况 | 第52页 |
