智能預(yù)測(cè)方法及其在能源領(lǐng)域的應(yīng)用

定　價(jià)：￥45.00

作　者：	李明偉，洪維強(qiáng)，耿敬，耿賀松著
出版社：	哈爾濱工程大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

京東 (￥45.00)

ISBN：	9787566121509	出版時(shí)間：	2019-03-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	154	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《智能預(yù)測(cè)方法及其在能源領(lǐng)域的應(yīng)用》在總結(jié)能源預(yù)測(cè)領(lǐng)域研究成果基礎(chǔ)上，首先介紹了過(guò)去幾十年中應(yīng)用于電負(fù)荷預(yù)測(cè)的不同技術(shù)，其中包括ARIMA、SARIMA、HW、SHW、GRNN、BPNN、SVR模型，混沌云理論及周期性／季節(jié)性機(jī)制等；然后闡述了經(jīng)典預(yù)測(cè)模型及其在能源預(yù)測(cè)領(lǐng)域的應(yīng)用情況；最后從基于進(jìn)化算法的SVR參數(shù)確定方法、基于改進(jìn)優(yōu)化算法的SVR參數(shù)確定方法及計(jì)入周期／季節(jié)機(jī)制的進(jìn)化SVR預(yù)測(cè)模型三個(gè)方面，系統(tǒng)論述了將SVR、進(jìn)化算法、云理論、周期／季節(jié)機(jī)制融合應(yīng)用于能源預(yù)報(bào)的建模方法及改進(jìn)效果。《智能預(yù)測(cè)方法及其在能源領(lǐng)域的應(yīng)用》可供預(yù)測(cè)方法、數(shù)理統(tǒng)計(jì)及能源預(yù)測(cè)的研究人員閱讀，也可供大專院校數(shù)學(xué)、計(jì)算機(jī)、能源開(kāi)發(fā)等專業(yè)教師、研究生、高年級(jí)學(xué)生參考。

作者簡(jiǎn)介

暫缺《智能預(yù)測(cè)方法及其在能源領(lǐng)域的應(yīng)用》作者簡(jiǎn)介

圖書(shū)目錄

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)