声明
第1章绪论
1.1课题背景与研究意义
1.2太阳能辐照度预测研究现状
1.2.1国内太阳能预测的研究现状
1.2.2国外太阳能预测的研究现状
1.3预测模型研究现状
1.3.1时间序列预测的研究现状
1.3.2机器学习预测的研究现状
1.3.3卷积神经网络的研究现状
1.4本文研究内容及主要贡献
第2章竞赛数据集和对照实验
2.1竞赛数据集
2.2预测与评估
2.3获胜者的特征选择方案
2.4特征选择
2.5对照实验
2.6本章小结
第3章集成学习算法在太阳能辐照度预测中的应用研究
3.1集成学习
3.2数据采样
3.2.1 K-means聚类和K折交叉验证
3.2.2训练集采样
3.3基学习器
3.3.1 CART回归树
3.3.2随机森林的属性扰动
3.4贝叶斯模型组合算法
3.4.1贝叶斯模型平均
3.4.2贝叶斯模型组合
3.5基于贝叶斯模型组合的集成学习预测方法
3.5.1集成学习模型
3.5.2预测模型组合
3.6太阳能辐照度预测实验
3.6.1性能指标
3.6.2模型特征选择
3.6.3数据预处理
3.6.4模型误差估计及参数设置
3.6.5实验结果与分析
3.7本章小结
第4章卷积神经网络在太阳能辐照度预测中的应用研究
4.1卷积神经网络
4.2新型卷积神经网络
4.2.1新型卷积神经网络的结构
4.2.2误差求导修正权值过程
4.3混沌融合优化算法
4.3.1混沌初始化
4.3.2融合算法优化卷积神经网络
4.4动态优化网络的超参数
4.5标准测试函数仿真实验
4.6相关性分析
4.6.1不同采样时刻气象预报数据的相关性分析
4.6.2基于不同时刻气象预报信息相关性分析的太阳能辐照度预测
4.6.3基于不同时刻气象预报信息相关性分析的权值可视化
4.6.4不同GEFS站点气象预报数据相关性分析
4.6.5基于不同站点气象预报信息相关性分析的太阳能辐照度预测
4.6.6不同站点气象预报信息相关性分析的权值可视化
4.7本章小结
第5章预测误差对比分析
第6章总结与展望
6.1总结
6.2展望
参考文献
发表论文和参加科研情况说明
致谢