文档介绍：:所提交的学位论文是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论文不含其他个人或集体已经发表或撰写过的研究成果,也不含为获得苏州大学或其它教育机构的学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本人承担本声明的法律责任。论文作者签名:日期:
陆饷芎笫视帽竟娑ā论文作者签名:墨垫亟期:垫:垒:丝苏州大学学位论文使用授权声明。期:丝:±:ǎ本人完全了解苏州大学关于收集、保存和使用学位论文的规定,即:学位论文著作权归属苏州大学。本学位论文电子文档的内容和纸质论文的内容相一致。苏州大学有权向国家图书馆、中国社科院文献信息情报中心、中国科学技术信息研究所蚍绞莸缱映霭嫔、中国学术期刊馀贪电子杂志社送交本学位论文的复印件和电子文档,允许论文被查阅和借阅,可以采用影印、缩印或其他复制手段保存和汇编学位论文,可以将学位论文的全部或部分内容编入有关数据库进行检索。涉密论文口本学位论文属非涉密论文口导师签名:在
支持向量机回归在短期电力负荷预测中的应用研究中文摘要随着我国电力行业的蓬勃发展,电网管理技术的同趋进步,关于电力系统负荷预测问题的研究也引起了人们愈来愈多的关注。如何有效地进行电力负荷预测,已经成为现代电力系统研究中的重要课题之一。本文主要针对电力系统短期负荷预测进行研究与探讨。建立在统计学习理论基础上的支持向量机唤鼍哂薪峁辜虻サ挠诺悖推广能力较传统模型有显著提高,因此能够很好的解决实际应用中小样本学习问题。目前关于睦砺垩芯亢褪导视τ枚即τ诳焖俜⒄菇锥危晌;餮傲煊虻难究热点。本文所做的工作主要包括如下几个方面:疚氖紫榷缘缌Ω汉稍げ夂蚐的研究现状进行综述,并简单介绍了目前具有代表性的电力负荷预测模型,接着对支持向量回归喙乩砺劢邢晗傅拿述。С窒蛄炕毓樵谑导视τ弥写嬖诹酱竽训悖刺卣餮≡窈筒问挠呕1疚针对这两大难点,设计了一种新的基于的げ饽P停康氖腔竦酶的学习性能与预测精度。该模型的主要设计思路为:①特征选择:基于遗传算法的特征选择方法;②参数的优化:本文对基本惴ń懈慕⒔ǜ酶慕惴ㄓ糜牟问呕悸堑焦阋遄曰毓樘跫旆讲模型适应于波动性的分析和预测以及P途哂辛己玫姆夯芰Φ奶匦裕疚奶岢鲆恢諷与P拖嘟岷的新组合预测模型,旨在提高模型的预测精度。在此基础上,本文给出仿真实例。通过对仿真结果的分析,验证本文所构建模型的有效性。关键词:电力系统,负荷预测,支持向量机回归,广义自回归条件异方差模型作者:程远虎指导教师:伏玉琛支持向量楹投唐趂乜力负荷顶测中的应用研究
虎趐.:琣孩賔簆篺簑...,瓾琤.:瑃::Ⅱ
目录支持向量机的提出及研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯研究内容及论文组织结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。灰色预测模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..电力负荷预测研究发展趋势⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第三章支持向量机回归理论基础⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..』』樯堋基于腟预测模型设计思路⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...糯惴ǖ幕玖鞒獭样本的选择及预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.臼莸墓橐换怼第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.研究背景及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯电力负荷预测现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第二章电力负荷预测模型概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯时间序列模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.人工神经网络模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯机器学习基本问题⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.统计学习理论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..鞠咝圆豢煞帧本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第四章基于的诙唐诟汉稍げ庵械挠τ谩遗传算法简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..ú≡瘛参数的分析及选择⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..问姆治觥本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯维介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...鞠咝钥煞帧.
第五章楹夏P驮