统计模型在太阳能电池质量数据建模中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文研究内容与方法 | 第13-14页 |
| 1.4 本文创新点与不足 | 第14-16页 |
| 2 数据预处理 | 第16-20页 |
| 2.1 原数据特点 | 第16-17页 |
| 2.2 数据特征的选择 | 第17-20页 |
| 3 时间序列模型 | 第20-27页 |
| 3.1 建模原理 | 第20-21页 |
| 3.2 建模过程 | 第21-25页 |
| 3.2.1 ARIMA模型 | 第22页 |
| 3.2.2 平稳性检验 | 第22-23页 |
| 3.2.3 模型定阶 | 第23页 |
| 3.2.4 参数估计 | 第23-24页 |
| 3.2.5 退化因子计算 | 第24-25页 |
| 3.3 结果分析 | 第25页 |
| 3.4 精度验证 | 第25-26页 |
| 3.5 结论 | 第26-27页 |
| 4 SVR模型 | 第27-35页 |
| 4.1 退化因子 | 第27-30页 |
| 4.1.1 退化特征选择 | 第27页 |
| 4.1.2 锂电池的影响 | 第27-28页 |
| 4.1.3 退化补偿 | 第28-29页 |
| 4.1.4 退化因子具体计算 | 第29-30页 |
| 4.2 SVR模型应用 | 第30-32页 |
| 4.2.1 支持向量回归模型 | 第30-31页 |
| 4.2.2 特征向量的构造 | 第31-32页 |
| 4.3 参数估计 | 第32页 |
| 4.4 实验结果 | 第32-34页 |
| 4.5 结论 | 第34-35页 |
| 5 概念漂移下的时间序列模型 | 第35-42页 |
| 5.1 概念漂移的定义与分类 | 第35-36页 |
| 5.1.1 概念漂移的定义 | 第35页 |
| 5.1.2 概念漂移的分类 | 第35-36页 |
| 5.2 模型的更新过程 | 第36-38页 |
| 5.2.1 数据的选取 | 第36-37页 |
| 5.2.2 概念漂移的检测 | 第37-38页 |
| 5.3 模型的更新 | 第38页 |
| 5.4 实验结果 | 第38-41页 |
| 5.5 结果分析 | 第41页 |
| 5.6 结论 | 第41-42页 |
| 6 结论与展望 | 第42-44页 |
| 总结 | 第42页 |
| 展望 | 第42-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-50页 |
| 附录 | 第50-78页 |
| 作者在读期间发表的学术论文及参加的科研项目 | 第50-51页 |
| 附录1 ——取周期峰值的数据 | 第51-56页 |
| 附录2 ——ARIMA模型实现代码 | 第56-69页 |
| 附录3 ——SVR模型实现代码块 | 第69-72页 |
| 附录4 ——概念漂移实现代码块 | 第72-78页 |
