| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景及其意义 | 第9-12页 |
| 1.2 国内外研究发展现状 | 第12-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 本文的结构安排 | 第15-17页 |
| 第2章 回归预测方法概述 | 第17-27页 |
| 2.1 回归分析的概念 | 第17页 |
| 2.2 常见回归预测方法 | 第17-25页 |
| 2.2.1 线性回归 | 第18-19页 |
| 2.2.2 偏最小二乘回归 | 第19-21页 |
| 2.2.3 最小二乘支持向量回归 | 第21-22页 |
| 2.2.4 广义回归神经网络 | 第22-24页 |
| 2.2.5 随机森林回归 | 第24-25页 |
| 2.3 回归预测的优化思路 | 第25-27页 |
| 第3章 回归预测在空间相关性风速预测中的应用 | 第27-45页 |
| 3.1 风速空间相关性的气象学基础 | 第27-30页 |
| 3.1.1 空间相关性的大气运动基础 | 第27-28页 |
| 3.1.2 季风特性对我国空间相关性风电功率预测的重要意义 | 第28-30页 |
| 3.2 空间相关性风速预测 | 第30-33页 |
| 3.2.1 空间相关性风速预测的原理 | 第30-31页 |
| 3.2.2 空间相关性风速预测的流程 | 第31-32页 |
| 3.2.3 空间相关性风速预测模型的建立 | 第32-33页 |
| 3.3 空间相关性风速预测示例 | 第33-45页 |
| 3.3.1 天津 | 第34-40页 |
| 3.3.2 荷兰Huibertgat | 第40-45页 |
| 第4章 基于加权最小二乘的空间相关性风速预测 | 第45-51页 |
| 4.1 风速数据样本的近大远小效应 | 第45-46页 |
| 4.2 基于加权最小二乘的线性回归 | 第46-48页 |
| 4.2.1 基于加权最小二乘的线性回归原理 | 第46-47页 |
| 4.2.2 加权线性回归的空间相关性风速预测示例 | 第47-48页 |
| 4.3 加权偏最小二乘回归 | 第48-51页 |
| 4.3.1 加权偏最小二乘回归的原理 | 第48-49页 |
| 4.3.2 加权偏最小二乘回归的空间相关性风速预测示例 | 第49-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 发表论文和参加科研情况说明 | 第57-59页 |
| 致谢 | 第59-60页 |