学位论文 > 优秀研究生学位论文题录展示

基于GA-SVR的短期风速预测

作　者: 高玲
导　师: 刘叶玲
学　校: 西安科技大学
专　业: 应用数学
关键词: 风速预测遗传算法支持向量机
分类号: TM614
类　型: 硕士论文
年　份: 2010年
下　载: 104次
引　用: 0次
阅　读: 论文下载

内容摘要

风速预测是风电场规划设计中的重要工作，在预测过程中必须建立合适的模型。在此背景下，本文建立了基于遗传算法的支持向量回归机对短期风速进行了预测。遗传算法起源于对生物系统进行的计算机模拟研究，是一种高效、并行、全局搜索的方法，它能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程，以求得最优解。支持向量回归机是建立在统计学习理论函数集的VC维理论和结构风险最小原理的基础上的一种新型有效的回归方法，该方法通过在有限样本信息模型的复杂性和学习能力之间寻求最佳折中方案，来获得足够好的推广能力。首先，本文应用遗传算法优化支持向量回归机的参数，即用遗传算法自动选择支持向量机的参数，避免了选择参数的随机性所带来的弊端，为支持向量机参数的选择提供了一种新的方法。其次，本文应用统计学的方法及主成分分析法对采集到的风电场实际数据进行了预处理。应用spss统计软件对数据进行了奇异点的剔除；并用标准差分析了奇异点去除的合理性；随后，应用主成分分析法对输入数据进行了数据压缩。最后，本文应用预处理过的数据，建立了基于遗传算法的支持向量回归模型，并对模型求解，得到了风速预测的结果；然后进行了模型检验和对预测结果进行多种误差分析。

全文目录

摘要  2-3
ABSTRACT  3-6
1 绪论  6-10
  1.1 问题研究的背景和意义  6
  1.2 风速预测的概念和特点  6-7
  1.3 风速预测的研究现状  7-8
  1.4 支持向量机和遗传算法的研究现状  8-9
  1.5 本论文的主要工作  9-10
2 遗传算法和支持向量机理论介绍  10-21
  2.1 遗传算法介绍  10-11
    2.1.1 遗传算法的特点  10-11
    2.1.2 遗传算法的基本原理与方法  11
  2.2 遗传算法染色体编码  11-12
    2.2.1 编码原则  11-12
    2.2.2 编码方法  12
  2.3 适应度函数  12-14
  2.4 遗传算子  14-16
  2.5 支持向量机简介  16
  2.6 支持向量回归机  16-19
  2.7 参数对支持向量回归机的影响  19-20
  2.8 本章小结  20-21
3 基于遗传算法的支持向量回归机  21-26
  3.1 SVR 参数及其影响  21-22
  3.2 遗传算法及其对SVR 参数的优化  22-25
    3.2.1 遗传算法的各参数选择  22-24
    3.2.2 遗传算法优化SVR 参数的步骤  24
    3.2.3 实验的预测结果  24-25
  3.3 本章小结  25-26
4 用统计学方法对风速数据预处理  26-32
  4.1 实验数据的奇异点去除  26-28
    4.1.1 实验数据说明  26
    4.1.2 奇异点的去除  26-27
    4.1.3 应用spss 对数据进行统计分析  27-28
  4.2 主成分分析对输入数据进行处理  28-31
    4.2.1 主成分分析的原理  28-29
    4.2.2 主成分分析的算法  29-30
    4.2.3 主成分分析法对数据的预处理  30-31
  4.3 本章小结  31-32
5 基于GA-SVR 的风速预测  32-40
  5.1 实验数据的分析  32
    5.1.1 实验数据的来源  32
    5.1.2 数据预处理  32
  5.2 GA-SVR 模型预测风速  32-34
    5.2.1 风速预测的步骤  32-33
    5.2.2 遗传算法的各种设置  33-34
  5.3 风速预测的结果及检验  34-38
    5.3.1 风速预测的结果  34-37
    5.3.2 预测结果的检验  37-38
  5.4 模型的评价  38-39
  5.5 本章小结  39-40
6 结论  40-42
  6.1 全文工作结论  40
  6.2 进一步工作展望  40-42
致谢  42-43
参考文献  43-45
附录  45

基于GA-SVR的短期风速预测

内容摘要

全文目录

相似论文