声明
摘要
1 绪论
1.1 课题背景及研究意义
1.2 负荷预测的划分
1.3 短期负荷预测研究现状
1.4 本文所做的工作
1.5 本文的构架及内容
2 灰色预测方法
2.1 灰色理论的基本概念
2.1.1 灰色系统的定义与模型特征
2.1.2 灰色系统的基本特点
2.2 灰色生成
2.2.1 累加生成
2.2.2 累减生成
2.3 灰色建模过程
2.3.1 灰色GM模型的建模机理
2.3.2 建立GM(1,1)模型
2.3.3 GM(1,n)模型
2.4 模型精度检验及预测误差分析
2.4.1 模型精度检验
2.4.2 预测误差分析
2.5 灰色预测方法的实例分析
2.6 小结
3 改进的支持向量机预测方法
3.1 概述
3.2 支持向量机的相关概念
3.2.1 统计学习理论基础
3.2.2 模型复杂度和泛化能力
3.2.3 结构风险最小化
3.2.4 优化理论基础
3.3 支持向量机算法
3.3.1 支持向量机回归原理
3.3.2 核函数
3.3.3 支持向量机模型参数
3.4 改进的支持向量机
3.4.1 粒子群优化算法
3.4.2 粒子群优化支持向量机模型构建
3.5 改进的支持向量机预测方法实例分析
3.6 小结
4 组合预测方法
4.1 组合预测的简述
4.2 组合预测中权值计算
4.3 组合预测
4.4 小结
5 负荷预测软件系统的设计
5.1 负荷预测软件开发平台及运行环境
5.2 负荷预测软件的设计
5.3 负荷预测软件的功能介绍
5.4 小结
结论与展望
参考文献
致谢
作者简介及读研期间主要科研成果