幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

基於特徵選擇與智能優化的光伏發電預測理論與方法研究

  • 作者：江河|責編:史菲菲
  • 出版社：西安交大
  • ISBN：9787569341256
  • 出版日期：2025/08/01
  • 裝幀：平裝
  • 頁數：193
人民幣：RMB 86 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書首先提出，太陽能作為一種清潔可再生能源，在當前能源轉型中具有關鍵作用。其次，由於太陽輻射的準確預測對光伏發電併網至關重要，本書以解決實際問題出發，主要探討特徵選擇與智能優化演算法的優勢，並結合兩者的長處，重點聚焦如何構建高效改進的預測模型，以確保光伏發電的穩定併網。最後，本書將改進的預測模型運用到不同案例中，通過指標評價來保證模型在精度與效率方面的優越性。具體研究內容如下。①特徵選擇方法的優勢應用：通過減少輸入變數的數量，簡化預測模型，提升模型的可解釋性和性能。②智能優化演算法的引入：利用智能優化演算法優化模型參數，提高預測模型的效率和精度。③多級智能集成學習模型：針對不同地區的太陽輻射預測，提出集成學習與特徵選擇、優化演算法相結合的方法。④支持向量機與數據挖掘演算法結合：通過數據挖掘演算法發現氣象因子之間的關聯，採用非線性支持向量機模型提高預測性能。⑤神經網路與正則化技術的融合：為實現太陽輻射的高效預測，提出平方根彈性網路(square-root elastic net，SREN)和Elman(埃爾曼)神經網路(ENN)的組合方法。
作者介紹
江河|責編:史菲菲
目錄
第1章  緒論
  1.1  研究背景及意義
  1.2  研究內容及本書結構
第2章  相關文獻研究
  2.1  國內外學者研究現狀
  2.2  本書主要貢獻及所提出方法的優點
  2.3  預測性能評價指標匯總
第3章  基於雙向交互模型集成的多階段智能方法預測印度全局水平輻射
  3.1  理論和方法
  3.2  數據採集
  3.3  比較分析
  3.4  結論
  3.5  本章小結
第4章  基於螢火蟲群優化演算法的具有硬懲罰函數的非線性支持向量機模型預測每日全局太陽輻射
  4.1  理論和方法
  4.2  數據採集
  4.3  通過Eclat數據挖掘演算法選擇預測變數
  4.4  預測性能和模型比較
  4.5  結論
  4.6  本章小結
第5章  基於平方根彈性網路和人工神經網路的全局太陽輻射預測新模型
  5.1  理論與方法
  5.2  數據採集
  5.3  Wilcoxon符號秩檢驗
  5.4  Friedman檢驗
  5.5  選定變數的統計分析
  5.6  結果與討論
  5.7  結論
  5.8  本章小結
  附錄
第6章  一種基於稀疏二次RBF神經網路的全局水平輻照度預測方法
  6.1  理論與方法
  6.2  數據收集和說明
  6.3  利用Eclat數據挖掘演算法選擇合適的預測因子
  6.4  五種預測模型的比較
  6.5  結論
  6.6  本章小結
第7章  二次核支持向量機前向回歸的全局水平輻射預測:以中國西藏自治區為例
  7.1  理論和方法
  7.2  數據收集和站點描述
  7.3  核參數和正則化參數的選擇標準
  7.4  結果與討論
  7.5  本章小結
第8章  基於結構核支持向量機的每小時全局水平輻照度預測:以中國西藏自治區為例
  8.1  理論與方法
  8.2  數據採集
  8.3  在PKSVM和KSVM-SVS方法中選擇核參數和正則化參數
  8.4  晴空模型
  8.5  分析和結論
  8.6  結論

  8.7  本章小結
第9章  總結與展望
  9.1  主要研究結論
  9.2  貢獻與不足
  9.3  研究展望
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032