摘要3-4
Abstract4-7
第1章 绪论7-16
1.1 课题的背景及探讨作用7-8
1.2 风电场风速预测的探讨近况8-10
1.3 风电场风速特性概述10-14
1.3.1 风速分布特性10-11
1.3.2 参数 k 和 c 估计11-12
1.3.3 风速变化的特性12-13
1.3.4 风速特性与风电场运转13-14
1.4 本论文的主要工作14-16
第2章 基于贝叶斯证据框架下的 LS-SVM 回归模型16-35
2.1 支持向量回归机16-23
2.1.1 支持向量机回归的基本原理16-19
2.1.2 L1 支持向量回归机19-21
2.1.3 支持向量回归机21-23
2.2 最小二乘支持向量机回归论述23-25
2.3 最小二乘支持向量机参数的确定25-28
2.3.1 网格搜索交叉验证法确定参数25-26
2.3.2 基于贝叶斯证据推断的参数优化26-28
2.4 SVM 工具箱——LIBSVM28-30
2.4.1 LIBSVM 工具箱介绍29
2.4.2 LIBSVM 的利用29-30
2.5 基于最小二乘支持向量机的短期风速预测30-35
2.5.1 实验和浅析30-34
2.5.2 结论34-35
第3章 基于小波浅析的数据处理35-46
3.1 小波原理35-38
3.2 小波变换38-42
3.2.1 连续小波变换38-39
3.2.2 离散小波变换39-40
3.2.3 多分辨率浅析40-42
3.3 基于小波多分辨率浅析的风速数据处理42-45
3.4 结论45-46
第4章 基于小波变换和贝叶斯框架下 LS-SVM 的风速预测46-54
4.1 策略构思46-48
4.2 预测效果的评价策略48
4.3 实验和浅析48-52
4.4 结论52-54
第5章 风速预测值的置信区间估计54-61
5.1 预测结果的置信度浅析54-56
5.2 置信区间非参数估计56-58
5.2.1 统计学领域的置信度56
5.2.2 风速预测误差概率分布56-57
5.2.3 置信区间估计57-58
5.3 实验和浅析58-60
5.4 结论60-61
第6章 总结与展望61-63
6.1 全文总结61
6.2 展望61-63