支持向量机在电力系统短期负荷预测中的应用
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·本课题研究的内容及意义 | 第8-10页 |
| ·电力系统负荷预测周期性分类 | 第8-9页 |
| ·短期负荷预测 | 第9-10页 |
| ·电力系统短期负荷预测研究现状 | 第10-13页 |
| ·支持向量机在电力系统中的应用 | 第13-14页 |
| ·本文的主要工作 | 第14-16页 |
| 第二章 支持向量机的基本理论 | 第16-40页 |
| ·概述 | 第16-17页 |
| ·统计学习理论 | 第17-21页 |
| ·机器学习问题 | 第18-19页 |
| ·统计学习理论的基本概念 | 第19-21页 |
| ·支持向量机的基本原理 | 第21-25页 |
| ·线性学习机 | 第21-23页 |
| ·支持向量机 | 第23-25页 |
| ·支持向量机回归 | 第25-34页 |
| ·支持向量机回归原理 | 第25-27页 |
| ·SVM 的最优化回归算法 | 第27-31页 |
| ·实例分析 | 第31-34页 |
| ·支持向量机和神经网络的比较 | 第34-40页 |
| ·相似点 | 第34-36页 |
| ·支持向量机的特点 | 第36页 |
| ·实例分析 | 第36-40页 |
| 第三章 基于支持向量机的短期负荷预测 | 第40-60页 |
| ·概述 | 第40-47页 |
| ·负荷特性分析 | 第40-44页 |
| ·负荷预测的特点 | 第44-45页 |
| ·负荷预测的基本过程 | 第45-46页 |
| ·预测误差分析 | 第46-47页 |
| ·基于SVM 的短期负荷预测 | 第47-55页 |
| ·支持向量机用于短期负荷预测的优势 | 第47-48页 |
| ·支持向量机短期负荷预测模型 | 第48-49页 |
| ·实例分析 | 第49-55页 |
| ·基于SVM 的短期负荷预测与神经网络法的比较 | 第55-60页 |
| 第四章 联合聚类算法和支持向量机的短期负荷预测 | 第60-72页 |
| ·聚类在负荷预测中的意义 | 第60页 |
| ·负荷聚类分析 | 第60-64页 |
| ·聚类的基本概念 | 第61页 |
| ·聚类方法 | 第61页 |
| ·负荷FCM 聚类分析 | 第61-64页 |
| ·联合聚类算法和SVM 的短期负荷预测 | 第64-65页 |
| ·实例分析 | 第65-72页 |
| 第五章 结论 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 发表论文和科研情况说明 | 第78-79页 |
| 致谢 | 第79页 |
