智能預(yù)測方法及其在能源領(lǐng)域的應(yīng)用

第1章 概述
1．1 傳統(tǒng)預(yù)測方法在能源預(yù)測領(lǐng)域的應(yīng)用
1．2 人工智能方法在能源預(yù)測領(lǐng)域的應(yīng)用
1．3 SVR模型在能源預(yù)測領(lǐng)域的應(yīng)用
1．4 提高SVR模型預(yù)測精度的主要途徑
參考文獻
第2章 預(yù)測模型及其在能源領(lǐng)域的應(yīng)用
2．1 幾類經(jīng)典預(yù)測模型
2．2 支持向量機回歸模型
2．3 實例數(shù)據(jù)集和預(yù)測對比統(tǒng)計檢驗
2．4 對比模型建模及預(yù)測結(jié)果
參考文獻
第3章 基于進化算法的SVR參數(shù)確定方法
3．1 基于GA的SVR參數(shù)確定
3．2 基于SA的SVR參數(shù)確定
3．3 基于GA-SA的SVR參數(shù)確定
3．4 基于PSO的參數(shù)確定
3．5 基于CACO的參數(shù)確定
3．6 基于ARC的參數(shù)確定
3．7 基于IA的參數(shù)確定
參考文獻
第4章 基于改進優(yōu)化算法的SVR參數(shù)確定方法
4．1 混沌序列和云模型簡介
4．2 CGA及其在參數(shù)確定中的應(yīng)用
4．3 CSA及其在參數(shù)確定中的應(yīng)用
4．4 CCSA及其在參數(shù)確定中的應(yīng)用
4．5 CGASA及其在參數(shù)確定中的應(yīng)用
4．6 CPSOO及其在參數(shù)確定中的應(yīng)用
4．7 CAS及其在參數(shù)確定中的應(yīng)用
4．8 CABC及其在參數(shù)確定中的應(yīng)用
4．9 CIA及其在參數(shù)確定中的應(yīng)用
參考文獻
第5章 計入周期／季節(jié)機制的進化SVR預(yù)測模型
5．1 組合機制
5．2 ARIMA模型和HW模型
5．3 融合周期性／季節(jié)性機制改進進化SVR模型
參考文獻