基于群智能優(yōu)化算法的預(yù)測(cè)理論與方法的研究及應(yīng)用

目錄
第1章 緒論 1
第一篇 數(shù)據(jù)預(yù)處理技術(shù)
第2章 基于EMD的預(yù)處理技術(shù) 9
2.1 EMD 9
2.2 EEMD 11
2.3 CEEMD 14
2.4 CEEMDAN 15
2.5 VMD 17
第3章 基于SSA的預(yù)處理技術(shù) 20
3.1 概述 20
3.2 SSA的基本策略 20
3.3 SSA偽代碼 21
第4章 基于WT的預(yù)處理技術(shù) 24
4.1 概述 24
4.2 WT的基本思想 24
4.3 常見(jiàn)的小波 25
4.4 WT的優(yōu)缺點(diǎn) 26
4.5 WT偽代碼 27
第二篇 預(yù)測(cè)技術(shù)
第5章 統(tǒng)計(jì)模型 31
5.1 指數(shù)平滑模型 31
5.2 ARIMA模型 32
5.3 SVM模型 33
第6章 神經(jīng)網(wǎng)絡(luò)模型 37
6.1 BPNN 37
6.2 ENN 38
6.3 ELM 41
6.4 WNN 44
6.5 GRNN 48
第7章 灰色模型 51
7.1 概述 51
7.2 GM（1，1）模型 52
7.3 GM（1，N）模型 55
第8章 FTS模型 58
8.1 概述 58
8.2 區(qū)間劃分方法 58
8.3 FTS的基礎(chǔ)理論 61
第三篇 優(yōu)化技術(shù)
第9章 單目標(biāo)優(yōu)化算法 65
9.1 BA 65
9.2 FA 72
9.3 CS算法 80
9.4 MFO算法 89
第10章 多目標(biāo)優(yōu)化算法 93
10.1 MOPSO算法 93
10.2 MOGA 98
10.3 MOGWO 103
10.4 MOGOA 109
第四篇 案例應(yīng)用
第11章 基于數(shù)據(jù)分解的混合模型的研究及在電力負(fù)荷預(yù)測(cè)中的應(yīng)用 117
11.1 概述 117
11.2 方法 117
11.3 混合模型的提出 121
11.4 實(shí)驗(yàn) 124
11.5 小結(jié) 134
第12章 基于群智能優(yōu)化算法和人工智能模型的混合模型的研究及在風(fēng)速預(yù)測(cè)與風(fēng)能評(píng)估中的應(yīng)用 136
12.1 概述 136
12.2 模型構(gòu)建 136
12.3 實(shí)驗(yàn) 140
12.4 模型的預(yù)測(cè)準(zhǔn)確性討論 151
12.5 小結(jié) 153
第13章 基于分解與集成策略和FTS的混合風(fēng)速預(yù)測(cè)系統(tǒng) 154
13.1 概述 154
13.2 方法 154
13.3 數(shù)據(jù)描述和設(shè)置 156
13.4 分析和討論 159
13.5 參數(shù)的敏感性分析 167
13.6 1小時(shí)間隔的進(jìn)一步實(shí)驗(yàn) 169
13.7 小結(jié) 170
第14章 基于多目標(biāo)優(yōu)化的多步前向電力負(fù)荷預(yù)測(cè)組合模型的研究與應(yīng)用 172
14.1 概述 172
14.2 方法 172
14.3 實(shí)驗(yàn)和分析 175
14.4 討論 180
14.5 小結(jié) 186
參考文獻(xiàn) 188