| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 风力预测方法的分类和概述 | 第9-11页 |
| 1.3 组合算法的种类 | 第11-16页 |
| 1.3.1 基于权值的组合算法 | 第12-13页 |
| 1.3.2 包含数据预处理的组合算法 | 第13-14页 |
| 1.3.3 包含参数选择和优化技术的组合模型 | 第14-15页 |
| 1.3.4 包含误差校正的组合算法 | 第15页 |
| 1.3.5 比较不同的组合算法 | 第15-16页 |
| 1.4 论文内容与撰写安排 | 第16-19页 |
| 第二章 研究基础 | 第19-29页 |
| 2.1 滑动窗口模型 | 第19页 |
| 2.2 奇异谱分析 | 第19-20页 |
| 2.3 回声状态网络 | 第20-21页 |
| 2.4 广义回归神经网络GRNN | 第21-22页 |
| 2.5 ELMAN神经网络 | 第22-24页 |
| 2.6 级联BP前馈神经网络 | 第24-26页 |
| 2.7 模拟退火算法 | 第26-27页 |
| 2.8 粒子群优化算法 | 第27-28页 |
| 2.9 本章小结 | 第28-29页 |
| 第三章 基于滑动窗口的多步向前组合预测算法SMSGECSEP | 第29-37页 |
| 3.1 SSA降噪 | 第31页 |
| 3.2 基于滑动窗口机制的多步向前预测的数据集划分 | 第31-33页 |
| 3.3 SA优化子模型的参数 | 第33-35页 |
| 3.3.1 优化广义神经网络的光滑因子（SA_GRNN） | 第33页 |
| 3.3.2 优化Elman神经网络的中间层节点（SA_Elman） | 第33-34页 |
| 3.3.3 优化级联BP网络的中间层节点数（SA_CBP） | 第34-35页 |
| 3.4 PSO优化的ESN网络 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 风速实验结果和分析 | 第37-57页 |
| 4.1 数据集介绍 | 第37页 |
| 4.2 预测误差分析 | 第37-38页 |
| 4.3 实现细节 | 第38-39页 |
| 4.4 1-步向前预测的实现结果和分析 | 第39-42页 |
| 4.5 2-步向前预测的实现结果和分析 | 第42-44页 |
| 4.6 3-步向前预测的实现结果和分析 | 第44-47页 |
| 4.7 4-步向前预测的实现结果和分析 | 第47-50页 |
| 4.8 SSA降噪效果分析 | 第50-55页 |
| 4.9 本章小结 | 第55-57页 |
| 第五章 电力负荷实验结果与分析 | 第57-61页 |
| 5.1 数据集 | 第57-58页 |
| 5.2 灰度相关分析 | 第58-59页 |
| 5.3 对比算法 | 第59页 |
| 5.4 预测结果分析 | 第59-60页 |
| 5.5 本章总结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 在学期间的研究成果 | 第65-66页 |
| 致谢 | 第66页 |
