声明
摘要
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 论文组织结构
第二章 非线性慢时变系统及数据预处理
2.1 非线性慢时变系统
2.2 数据预处理
2.2.1 数据预处理的必要性
2.2.2 数据预处理的主要方法
2.3 模型阶次的确定
2.3.1 时间序列模型
2.3.2 时间序列模型的定阶方法
2.4 本章小结
第三章 基于BP神经网络的批量预测与在线预测
3.1 BP神经网络
3.1.1 BP神经网络的结构
3.1.2 BP学习算法
3.1.3 BP算法的改进
3.2 参数慢时变的非线性函数的在线预测与批量预测
3.2.1 在线预测
3.2.2 批量预测
3.2.3 对比与分析
3.3 Mackey-Glass时间序列的在线预测与批量预测
3.3.1 在线预测
3.3.2 批量预测
3.3.3 对比与分析
3.4 风电场风速的在线预测与批量预测
3.4.1 在线预测
3.4.2 批量预测
3.4.3 对比与分析
3.5 本章小结
第四章 基于级连相关网络的增量预测
4.1 级连相关网络
4.1.1 简介
4.1.2 BP算法学习速度慢的原因
4.1.3 级连相关网络的结构
4.1.4 学习算法
4.2 参数慢时变的非线性函数的增量预测
4.3 Mackey-Glass时间序列的增量预测
4.4 风电场风速数据的增量预测
4.5 本章小结
第五章 基于RBF神经网络的区间预测
5.1 RBF神经网络
5.1.1 RBF神经网络简介
5.1.2 RBF神经网络的学习算法
5.2 LUBE算法
5.2.1 区间预测的评价指标
5.2.2 模拟退火算法
5.3 风电场风速数据的区间预测
5.3.1 构建模型
5.3.2 参数初始化
5.3.3 算例仿真
5.4 本章小结
第六章 总结与展望
6.1 本文的主要结论
6.2 课题研究展望
致谢
参考文献
作者简介