无码H版动漫在线观看,亚洲成av人最新地堂无码,高清免费av大片

內(nèi)容簡介

　　《智能預(yù)測方法及其在能源領(lǐng)域的應(yīng)用》在總結(jié)能源預(yù)測領(lǐng)域研究成果基礎(chǔ)上，首先介紹了過去幾十年中應(yīng)用于電負荷預(yù)測的不同技術(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)性機制等；然后闡述了經(jīng)典預(yù)測模型及其在能源預(yù)測領(lǐng)域的應(yīng)用情況；最后從基于進化算法的SVR參數(shù)確定方法、基于改進優(yōu)化算法的SVR參數(shù)確定方法及計入周期／季節(jié)機制的進化SVR預(yù)測模型三個方面，系統(tǒng)論述了將SVR、進化算法、云理論、周期／季節(jié)機制融合應(yīng)用于能源預(yù)報的建模方法及改進效果?！吨悄茴A(yù)測方法及其在能源領(lǐng)域的應(yīng)用》可供預(yù)測方法、數(shù)理統(tǒng)計及能源預(yù)測的研究人員閱讀，也可供大專院校數(shù)學(xué)、計算機、能源開發(fā)等專業(yè)教師、研究生、高年級學(xué)生參考。

作者簡介

暫缺《智能預(yù)測方法及其在能源領(lǐng)域的應(yīng)用》作者簡介

圖書目錄

第1章概述
1．1 傳統(tǒng)預(yù)測方法在能源預(yù)測領(lǐng)域的應(yīng)用
1．2 人工智能方法在能源預(yù)測領(lǐng)域的應(yīng)用
1．3 SVR模型在能源預(yù)測領(lǐng)域的應(yīng)用
1．4 提高SVR模型預(yù)測精度的主要途徑
參考文獻
第2章預(yù)測模型及其在能源領(lǐng)域的應(yīng)用
2．1 幾類經(jīng)典預(yù)測模型
2．2 支持向量機回歸模型
2．3 實例數(shù)據(jù)集和預(yù)測對比統(tǒng)計檢驗
2．4 對比模型建模及預(yù)測結(jié)果
參考文獻
第3章基于進化算法的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
第4章基于改進優(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
第5章計入周期／季節(jié)機制的進化SVR預(yù)測模型
5．1 組合機制
5．2 ARIMA模型和HW模型
5．3 融合周期性／季節(jié)性機制改進進化SVR模型
參考文獻