声明
第一章 引言
1.2 研究现状
1.3 研究内容
第二章 数据收集和基本实验设置
2.2 数据探索性分析
2.3 模型评价指标
第三章 模型介绍
3.1 实验基准模型
3.2调参方法-遗传算法(GA)
3.3时间序列分解方法
3.3.1 Seasonal Decomposition(SD)
3.3.2 完全集成经验模态分解(CEEMDAN)
3.3.3奇异谱分析(SSA)
3.4时间序列预测方法
3.4.1长短时记忆模型(LSTM)
3.4.2 梯度提升回归模型(Gradient Boosting Regressor)
3.4.3 时序卷积网络(TCN)
3.5 GA-SSA-CEEMDAN-LSTM-TCN
第四章 实验结果分析
4.1.1 SSA-CEEMDAN分解结果
4.1.2模型预测结果对比
4.1.3模型效果对比
4.2塞格德风速数据集
4.2.1 SSA-CEEMDAN分解结果
4.2.2模型预测结果对比
4.2.3 模型效果对比
第五章 总结与展望
参考文献
致谢
兰州大学;