智能預(yù)測(cè)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(cè)方法在能源預(yù)測(cè)領(lǐng)域的應(yīng)用
1．2 人工智能方法在能源預(yù)測(cè)領(lǐng)域的應(yīng)用
1．3 SVR模型在能源預(yù)測(cè)領(lǐng)域的應(yīng)用
1．4 提高SVR模型預(yù)測(cè)精度的主要途徑
參考文獻(xiàn)
第2章 預(yù)測(cè)模型及其在能源領(lǐng)域的應(yīng)用
2．1 幾類(lèi)經(jīng)典預(yù)測(cè)模型
2．2 支持向量機(jī)回歸模型
2．3 實(shí)例數(shù)據(jù)集和預(yù)測(cè)對(duì)比統(tǒng)計(jì)檢驗(yàn)
2．4 對(duì)比模型建模及預(yù)測(cè)結(jié)果
參考文獻(xiàn)
第3章 基于進(jìn)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(xiàn)
第4章 基于改進(jìn)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(jiǎn)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(xiàn)
第5章 計(jì)入周期／季節(jié)機(jī)制的進(jìn)化SVR預(yù)測(cè)模型
5．1 組合機(jī)制
5．2 ARIMA模型和HW模型
5．3 融合周期性／季節(jié)性機(jī)制改進(jìn)進(jìn)化SVR模型
參考文獻(xiàn)