摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第12-17页 |
1.1 研究背景及意义 | 第12页 |
1.2 国内外研究现状 | 第12-14页 |
1.3 本文主要研究内容 | 第14-15页 |
1.4 文章组织结构 | 第15-16页 |
1.5 本章小结 | 第16-17页 |
第二章 相关理论研究 | 第17-31页 |
2.1 引言 | 第17页 |
2.2 EMD算法 | 第17-19页 |
2.2.1 EMD算法基本原理及流程 | 第18-19页 |
2.3 | 第19-20页 |
2.3.1 EEMD算法的基本原理和算法流程 | 第19-20页 |
2.3.2 EEMD算法讨论 | 第20页 |
2.4 CEEMD算法 | 第20-21页 |
2.4.1 CEEMD算法的基本原理和算法流程 | 第20-21页 |
2.5 小波分解 | 第21-25页 |
2.5.1 小波去噪的基本原理 | 第22-24页 |
2.5.2 小波去噪的基本步骤 | 第24-25页 |
2.6 随机模糊不确定理论 | 第25-30页 |
2.6.1 可信性测度 | 第25-27页 |
2.6.2 随机模糊变量及期望值算子与乐悲观值 | 第27-28页 |
2.6.3 随机模糊模拟算法 | 第28-30页 |
2.7 本章小结 | 第30-31页 |
第三章 基于CEEMD和ELM算法的风速预测 | 第31-45页 |
3.1 引言 | 第31-32页 |
3.2 ELM算法的相关理论基础 | 第32-37页 |
3.2.1 随机隐藏节点的单隐层前馈神经网络 | 第32-33页 |
3.2.2 ELM算法训练 | 第33-37页 |
3.3 风速预测的随机模糊过程 | 第37-38页 |
3.3.1 随机模糊过程 | 第37页 |
3.3.2 随机模糊过程风速预测步骤 | 第37-38页 |
3.4 CEEMD和ELM算法的风速预测模型 | 第38-39页 |
3.4.1 模型描述 | 第38页 |
3.4.2 模型风速预测步骤 | 第38-39页 |
3.5 实验结果分析 | 第39-44页 |
3.5.1 实验数据准备 | 第39-40页 |
3.5.2 实验结果 | 第40-42页 |
3.5.3 不同模型实验结果比较 | 第42-44页 |
3.6 本章小结 | 第44-45页 |
第四章 基于CEEMD-WT和CNN算法的风速预测 | 第45-62页 |
4.1 引言 | 第45页 |
4.2 卷积神经网络 | 第45-52页 |
4.2.1 全连接反向传播 | 第46-47页 |
4.2.2 卷积层 | 第47-49页 |
4.2.3 子样本层 | 第49-50页 |
4.2.4 学习联合特征映射 | 第50-51页 |
4.2.5 增强稀疏性组合 | 第51页 |
4.2.6 卷积神经网络的训练步骤 | 第51-52页 |
4.3 基于CEEMD-WT和CNN算法的风速预测模型 | 第52-55页 |
4.3.1 模型描述 | 第52-53页 |
4.3.2 考虑属性特征的卷积神经网络 | 第53-54页 |
4.3.3 模型风速预测步骤 | 第54-55页 |
4.4 实验结果分析 | 第55-61页 |
4.4.1 实验数据准备 | 第55-56页 |
4.4.2 实验结果 | 第56-58页 |
4.4.3 不同模型实验结果比较 | 第58-61页 |
4.5 本章小结 | 第61-62页 |
第五章 总结与展望 | 第62-64页 |
5.1 工作总结 | 第62-63页 |
5.2 未来展望 | 第63-64页 |
参考文献 | 第64-68页 |
致谢 | 第68-69页 |
附录A 攻读硕士学位期间发表的学术论文 | 第69-70页 |
附录B 攻读硕士学位期间参与的科研项目 | 第70页 |