基于計(jì)算智能技術(shù)的電力負(fù)荷預(yù)測理論及應(yīng)用

章 緒論
1．1 研究背景、目的與意義
1．2 研究現(xiàn)狀
1．3 本書結(jié)構(gòu)與主要內(nèi)容
第2章 基于計(jì)算智能的電力負(fù)荷預(yù)測理論框架與方法
2．1 引言
2．2 基于計(jì)算智能的電力負(fù)荷預(yù)測理論框架(CILF)
2．3 人工神經(jīng)網(wǎng)絡(luò)
2．4 支持向量機(jī)
2．5 粒子群優(yōu)化算法
2．6 文化基因算法
2．7 本章小結(jié)
第3章 基于MA的電力負(fù)荷預(yù)測模型參數(shù)優(yōu)化
3．1 引言
3．2 支持向量機(jī)參數(shù)簡述
3．3 基于MA算法的sVR參數(shù)優(yōu)化
3．4 實(shí)驗(yàn)設(shè)置
3．5 實(shí)驗(yàn)結(jié)果與分析
3．6 本章小結(jié)
第4章 基于混合特征選擇技術(shù)的負(fù)荷預(yù)測模型
4．1 引言
4．2 混合Filter-Wrapper特征選擇算法的構(gòu)建過程
4．3 實(shí)驗(yàn)設(shè)計(jì)
4．4 實(shí)驗(yàn)結(jié)果與分析
4．5 本章小結(jié)
第5章 基于MA算法的特征選擇技術(shù)及區(qū)間型負(fù)荷預(yù)測
模型
5．1 引言
5．2 問題描述與分析
5．3 MSVR-MA預(yù)測模型的構(gòu)建
5．4 實(shí)驗(yàn)設(shè)計(jì)
5．5 實(shí)驗(yàn)結(jié)果與分析
5．6 本章小結(jié)
第6章 基于混合變量MA的電力負(fù)荷預(yù)測模型選擇研究
6．1 引言
6．2 問題描述
6．3 基于MA算法的廣義模型選擇
6．4 實(shí)驗(yàn)設(shè)計(jì)
6．5 實(shí)驗(yàn)結(jié)果與分析
6．6 本章小結(jié)
第7章 電力負(fù)荷預(yù)測支持系統(tǒng)
7．1 引言
7．2 系統(tǒng)需求分析
7．3 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)
7．4 系統(tǒng)邏輯流程
7．5 本章小結(jié)
第8章 總結(jié)與展望
8．1 全書總結(jié)
8．2 研究展望
參考文獻(xiàn)
附錄A 區(qū)間數(shù)運(yùn)算法則
附錄B 區(qū)間數(shù)的描述性統(tǒng)計(jì)
附錄C 區(qū)間多層感知器
附錄D 指數(shù)平滑與區(qū)間型Holt模型