| 摘要 | 第4-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第13-29页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究意义 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-25页 |
| 1.4 拟解决的问题 | 第25-26页 |
| 1.5 本文的研究内容与结构 | 第26-29页 |
| 2 混沌蝗虫优化算法 | 第29-48页 |
| 2.1 引言 | 第29-30页 |
| 2.2 蝗虫优化算法的基本思想 | 第30-32页 |
| 2.3 蝗虫优化算法 | 第32-36页 |
| 2.4 混沌蝗虫优化算法 | 第36-47页 |
| 2.5 本章小结 | 第47-48页 |
| 3 序列分解技术 | 第48-70页 |
| 3.1 引言 | 第48-49页 |
| 3.2 集合经验模态分解 | 第49-52页 |
| 3.3 变分模态分解 | 第52-57页 |
| 3.4 最优变分模态分解 | 第57-65页 |
| 3.5 太阳辐照度序列分解实验 | 第65-69页 |
| 3.6 本章小结 | 第69-70页 |
| 4 相关向量机的基本原理 | 第70-82页 |
| 4.1 引言 | 第70页 |
| 4.2 贝叶斯理论 | 第70-71页 |
| 4.3 相关向量机的回归模型 | 第71-75页 |
| 4.4 混合核函数 | 第75-77页 |
| 4.5 混合核函数的参数优化 | 第77-80页 |
| 4.6 本章小结 | 第80-82页 |
| 5 区间预测理论 | 第82-96页 |
| 5.1 引言 | 第82页 |
| 5.2 区间预测理论 | 第82-84页 |
| 5.3 区间预测的评价指标 | 第84-85页 |
| 5.4 基于相关向量机的区间预测 | 第85页 |
| 5.5 基于点预测和非参数核密度估计的区间预测 | 第85-95页 |
| 5.6 本章小结 | 第95-96页 |
| 6 太阳辐照度的点预测模型 | 第96-132页 |
| 6.1 引言 | 第96页 |
| 6.2 数据来源 | 第96页 |
| 6.3 太阳辐照度的特性 | 第96-101页 |
| 6.4 预测模型的输入输出数据 | 第101-106页 |
| 6.5 点预测模型的评价指标 | 第106-107页 |
| 6.6 基于CGOA-RVM的太阳辐照度点预测模型及实例 | 第107-114页 |
| 6.7 基于OVMD-CGOA-RVM的太阳辐照度点预测模型及实例 | 第114-130页 |
| 6.8 本章小结 | 第130-132页 |
| 7 太阳辐照度的区间预测模型 | 第132-149页 |
| 7.1 引言 | 第132页 |
| 7.2 基于CGOA-RVM的太阳辐照度区间预测实例分析 | 第132-136页 |
| 7.3 基于OVMD-CGOA-RVM-KDE的太阳辐照度区间预测实例分析 | 第136-147页 |
| 7.4 本章小结 | 第147-149页 |
| 8 结论与展望 | 第149-151页 |
| 8.1 结论 | 第149-150页 |
| 8.2 展望 | 第150-151页 |
| 致谢 | 第151-152页 |
| 参考文献 | 第152-163页 |
| 附录1 攻读博士学位期间发表的学术论文 | 第163-164页 |
| 附录2 攻读博士学位期间参与的科研项目 | 第164页 |
