|
|
|
|
基于混合优化模型的短期用电量预测 |
| |
| 论文目录 |
| |
| 摘要 | 第3-4页 | | Abstract | 第4页 | | 第一章 绪论 | 第7-12页 | | 1.1 国内外研究现状 | 第7-10页 | | 1.2 建模思路 | 第10页 | | 1.3 文章安排与创新点 | 第10-12页 | | 第二章 基本方法和模型构建 | 第12-21页 | | 2.1 季节指数调整(SEA) | 第12页 | | 2.2 集合经验模态分解(EEMD) | 第12-14页 | | 2.2.1 经验模态分解(EMD) | 第12-13页 | | 2.2.2 集合经验模态分解(EEMD) | 第13-14页 | | 2.3 广义回归神经网络(GRNN) | 第14-16页 | | 2.4 Elman神经网络 | 第16-17页 | | 2.5 极限学习机(ELM) | 第17-18页 | | 2.6 粒子群优化算法(PSO) | 第18页 | | 2.7 PSO-Elman神经网络模型 | 第18-19页 | | 2.8 模型构建过程 | 第19-21页 | | 第三章 实证分析与案例研究 | 第21-33页 | | 3.1 数据信息 | 第21-22页 | | 3.2 模型评价标准 | 第22-23页 | | 3.3 模拟过程 | 第23-29页 | | 3.3.1 季节指数调整 | 第23页 | | 3.3.2 序列分解 | 第23-25页 | | 3.3.3 输入变量个数的选取 | 第25-26页 | | 3.3.4 原始序列的预测 | 第26-28页 | | 3.3.5 模型比较 | 第28-29页 | | 3.4 混合优化模型(SEA-EEMD-GPEE)对星期一数据的模拟 | 第29-33页 | | 第四章 结论 | 第33-35页 | | 4.1 主要结论 | 第33-34页 | | 4.2 研究展望 | 第34-35页 | | 参考文献 | 第35-37页 | | 致谢 | 第37页 |
|
|
|
|
论文编号BS3521769，这篇论文共37页
会员购买按0.35元/页下载，共需支付12.95元。 直接购买按0.5元/页下载，共需要支付18.5元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务