稀疏建模方法在时间序列预测中的应用

声明

摘要

1 绪论

1．1 论文的研究背景及意义

1．2 国内外研究现状

1．3 论文主要研究内容

2 稀疏表示理论基础

2．1 稀疏编码

2．1．1 贪婪算法

2．1．2 松弛算法

2．2 字典构造

2．2．1 自适应的数据字典

2．2．2 字典学习算法

2．3 小结

3 基于稀疏特征的支持向量机时间序列预测模型

3．1 SR-SVM预测模型

3．1．2 SVM预测模型

3．1．3 算法实现

3．2 混沌时间序列预测

3．2．1 Henon混沌序列单步预测

3．2．2 Mackey-Glass混沌序列多步预测

3．3 小结

4 基于自适应字典的稀疏编码方法在时间序列预测中的应用

4．1 基于自适应字典的稀疏编码方法

4．1．1 基于BPDN的Basic-sparse方法

4．1．2 基于弹性网络的EN-sparse方法

4．1．3 在线字典更新策略

4．2 混沌时间序列预测

4．3 风电功率时间序列直接预测实例

4．3．1 风电功率直接预测模型

4．3．2 实验数据的选取

4．3．3 预测结果分析

4．4 风电功率时间序列间接预测实例

4．4．1 风电功率间接预测模型

4．4．2 实验数据的选取

4．4．3 等效风功曲线

4．4．4 预测结果分析

4．5 小结

结论

致谢

参考文献

攻读学位期间的研究成果