掃一掃
關(guān)注中圖網(wǎng)
官方微博
包郵 智能預(yù)測(cè)方法及其在能源領(lǐng)域的應(yīng)用
作者：李明偉等著
開本：
26cm
頁(yè)數(shù)：
154頁(yè)
本類榜單：工業(yè)技術(shù)銷量榜
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設(shè)計(jì)(下)
-
>
基于個(gè)性化設(shè)計(jì)策略的智能交通系統(tǒng)關(guān)鍵技術(shù)
-
>
花樣百出:貴州少數(shù)民族圖案填色
-
>
山東教育出版社有限公司技術(shù)轉(zhuǎn)移與技術(shù)創(chuàng)新歷史叢書中國(guó)高等技術(shù)教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機(jī)車概要.交流傳動(dòng)內(nèi)燃.電力機(jī)車
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學(xué)的問(wèn)題與脈絡(luò)
中圖價(jià):¥33.4
加入購(gòu)物車
智能預(yù)測(cè)方法及其在能源領(lǐng)域的應(yīng)用 版權(quán)信息
- ISBN：9787566121509
- 條形碼：9787566121509 ; 978-7-5661-2150-9
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
智能預(yù)測(cè)方法及其在能源領(lǐng)域的應(yīng)用 內(nèi)容簡(jiǎn)介
本書從基于進(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、周期機(jī)制及季節(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 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)
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)
展開全部
書友推薦
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
- >
隨園食單
- >
山海經(jīng)
- >
回憶愛瑪儂
- >
推拿
- >
中國(guó)人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
名家?guī)阕x魯迅:故事新編
- >
上帝之肋:男人的真實(shí)旅程
本類暢銷
