书籍详情
基于群智能优化算法的预测理论与方法的研究及应用
作者：王建州等 著
出版社：科学出版社
出版时间：2021-06-01
ISBN：9787030680747
定价：¥128.00
购买这本书可以去
内容简介
利用时间序列预测技术对数据进行统计分析，可以推测事物发展的未来趋势。然而传统的时间序列预测技术模型构建简单，对于数据包含的信息挖掘与剖析不够深入。因此，采用基于群智能优化算法的预测理论解决时间序列分析与预测问题，是近年来的研究热点之一。《基于群智能优化算法的预测理论与方法的研究及应用》阐述了基于群智能优化算法的预测理论和方法的研究与应用问题，主要包括数据预处理技术、预测技术和优化技术。同时，《基于群智能优化算法的预测理论与方法的研究及应用》结合多个案例介绍了不同模型在时间序列方面的应用，以及全面详细的算法对比结果分析。《基于群智能优化算法的预测理论与方法的研究及应用》是一本良好的时间序列分析与预测研究工具书，融入了作者对时间序列分析与预测技术的创新和贡献。
作者简介
暂缺《基于群智能优化算法的预测理论与方法的研究及应用》作者简介
目录
目录
第1章 绪论 1
第一篇 数据预处理技术
第2章 基于EMD的预处理技术 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的预处理技术 20
3.1 概述 20
3.2 SSA的基本策略 20
3.3 SSA伪代码 21
第4章 基于WT的预处理技术 24
4.1 概述 24
4.2 WT的基本思想 24
4.3 常见的小波 25
4.4 WT的优缺点 26
4.5 WT伪代码 27
第二篇 预测技术
第5章 统计模型 31
5.1 指数平滑模型 31
5.2 ARIMA模型 32
5.3 SVM模型 33
第6章 神经网络模型 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 区间划分方法 58
8.3 FTS的基础理论 61
第三篇 优化技术
第9章 单目标优化算法 65
9.1 BA 65
9.2 FA 72
9.3 CS算法 80
9.4 MFO算法 89
第10章 多目标优化算法 93
10.1 MOPSO算法 93
10.2 MOGA 98
10.3 MOGWO 103
10.4 MOGOA 109
第四篇 案例应用
第11章 基于数据分解的混合模型的研究及在电力负荷预测中的应用 117
11.1 概述 117
11.2 方法 117
11.3 混合模型的提出 121
11.4 实验 124
11.5 小结 134
第12章 基于群智能优化算法和人工智能模型的混合模型的研究及在风速预测与风能评估中的应用 136
12.1 概述 136
12.2 模型构建 136
12.3 实验 140
12.4 模型的预测准确性讨论 151
12.5 小结 153
第13章 基于分解与集成策略和FTS的混合风速预测系统 154
13.1 概述 154
13.2 方法 154
13.3 数据描述和设置 156
13.4 分析和讨论 159
13.5 参数的敏感性分析 167
13.6 1小时间隔的进一步实验 169
13.7 小结 170
第14章 基于多目标优化的多步前向电力负荷预测组合模型的研究与应用 172
14.1 概述 172
14.2 方法 172
14.3 实验和分析 175
14.4 讨论 180
14.5 小结 186
参考文献 188
第1章 绪论 1
第一篇 数据预处理技术
第2章 基于EMD的预处理技术 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的预处理技术 20
3.1 概述 20
3.2 SSA的基本策略 20
3.3 SSA伪代码 21
第4章 基于WT的预处理技术 24
4.1 概述 24
4.2 WT的基本思想 24
4.3 常见的小波 25
4.4 WT的优缺点 26
4.5 WT伪代码 27
第二篇 预测技术
第5章 统计模型 31
5.1 指数平滑模型 31
5.2 ARIMA模型 32
5.3 SVM模型 33
第6章 神经网络模型 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 区间划分方法 58
8.3 FTS的基础理论 61
第三篇 优化技术
第9章 单目标优化算法 65
9.1 BA 65
9.2 FA 72
9.3 CS算法 80
9.4 MFO算法 89
第10章 多目标优化算法 93
10.1 MOPSO算法 93
10.2 MOGA 98
10.3 MOGWO 103
10.4 MOGOA 109
第四篇 案例应用
第11章 基于数据分解的混合模型的研究及在电力负荷预测中的应用 117
11.1 概述 117
11.2 方法 117
11.3 混合模型的提出 121
11.4 实验 124
11.5 小结 134
第12章 基于群智能优化算法和人工智能模型的混合模型的研究及在风速预测与风能评估中的应用 136
12.1 概述 136
12.2 模型构建 136
12.3 实验 140
12.4 模型的预测准确性讨论 151
12.5 小结 153
第13章 基于分解与集成策略和FTS的混合风速预测系统 154
13.1 概述 154
13.2 方法 154
13.3 数据描述和设置 156
13.4 分析和讨论 159
13.5 参数的敏感性分析 167
13.6 1小时间隔的进一步实验 169
13.7 小结 170
第14章 基于多目标优化的多步前向电力负荷预测组合模型的研究与应用 172
14.1 概述 172
14.2 方法 172
14.3 实验和分析 175
14.4 讨论 180
14.5 小结 186
参考文献 188
猜您喜欢
