- 作 者：李明伟
- 出 版 社：
- 出版年份：2019
- ISBN：
- 注意：在使用云解压之前，请认真核对实际PDF页数与内容!
在线云解压
价格(点数)
购买连接
说明
转为PDF格式
20
（在线云解压服务）
云解压服务说明
1、本站所有的云解压默认都是转为PDF格式，该格式图书只能阅读和打印，不能再次编辑。
云解压下载及付费说明
1、所有的电子图书云解压均转换为PDF格式，支持电脑、手机、平板等各类电子设备阅读；可以任意拷贝文件到不同的阅读设备里进行阅读。
2、云解压在提交订单后一般半小时内处理完成,最晚48小时内处理完成。(非工作日购买会延迟)
第1章 概述 1
1.1 传统预测方法在能源预测领域的应用 1
1.2 人工智能方法在能源预测领域的应用 2
1.3 SVR模型在能源预测领域的应用 3
1.4 提高SVR模型预测精度的主要途径 4
参考文献 7
第2章 预测模型及其在能源领域的应用 14
2.1 几类经典预测模型 14
2.2 支持向量机回归模型 20
2.3 实例数据集和预测对比统计检验 27
2.4 对比模型建模及预测结果 29
参考文献 32
第3章 基于进化算法的SVR参数确定方法 35
3.1 基于GA的SVR参数确定 35
3.2 基于SA的SVR参数确定 40
3.3 基于GA-SA的SVR参数确定 45
3.4 基于PSO的参数确定 50
3.5 基于CACO的参数确定 55
3.6 基于ARC的参数确定 61
3.7 基于IA的参数确定 67
参考文献 71
第4章 基于改进优化算法的SVR参数确定方法 74
4.1 混沌序列和云模型简介 75
4.2 CGA及其在参数确定中的应用 78
4.3 CSA及其在参数确定中的应用 83
4.4 CCSA及其在参数确定中的应用 88
4.5 CGASA及其在参数确定中的应用 94
4.6 CPSO及其在参数确定中的应用 99
4.7 CAS及其在参数确定中的应用 105
4.8 CABC及其在参数确定中的应用 111
4.9 CIA及其在参数确定中的应用 115
参考文献 120
第5章 计入周期／季节机制的进化SVR预测模型 124
5.1 组合机制 124
5.2 ARIMA模型和HW模型 127
5.3 融合周期性／季节性机制改进进化SVR模型 130
参考文献 154