發(fā)布時間：2020-11-18 10:15

　　 由于能源危機和環(huán)境問題,現在尋找替代能源是十分迫切的。太陽能作為一種巨大的清潔能源,已廣泛引起研究人員的關注。因此,本文首次提出了一個基于“分解-聚類-集成”學習原理的混合集成模型,其結合了集成的經驗模態(tài)分解(EEMD)、最小二乘的支持向量回歸(LSSVR)、重力搜索算法(GSA)和K均值聚類算法(Kmeans),來進行太陽輻射量的短期、中期和長期建模預測。這種混合集成學習范式是專門為解決具有高波動性、復雜性和不規(guī)則性的太陽輻射建模問題所提出的。在該混合集成學習范式中,首次應用具有競爭力的分解算法EEMD將原始的太陽日總輻射時間序分解成不同頻率的本征模態(tài)函數(IMFs)和一個殘差項。然后,利用GSA優(yōu)化的LSSVR模型對每個IMFs成分和殘差成分分別建模預測。其次,K均值聚類算法被用來區(qū)分所有成分預測結果之間的差異,并依據其固有的屬性,將其劃分成不同的類簇。最后,使用不同的GSA-LSSVR工具對每個類別中的成分預測結果進行集成預測,從而產生最終的預測結果。為了說明和驗證,所提出的學習范式被用來預測北京市的太陽輻射量。實證結果表明,所提出的EEMD-LSSVR-K-LSSVR學習范式,在預測精度(水平預測精度和方向預測精度)和有效性(魯棒性)下,統計地優(yōu)于其他基準模型(包括流行的單模型和相似的混合集成模型),這就表明它是一個有前途的工具來預測具有高波動性和不規(guī)則性的復雜時間序列。
【學位單位】：蘭州大學
【學位級別】：碩士
【學位年份】：2016
【中圖分類】：P422.1
【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 太陽輻射量預測的研究意義與背景
        1.1.1 太陽輻射量預測的意義
        1.1.2 太陽輻射量預測的分類
        1.1.3 太陽輻射量預測的特點
        1.1.4 太陽輻射量預測的步驟
    1.2 太陽輻射量預測方法研究
        1.2.1 太陽輻射量預測方法研究現狀
        1.2.2 太陽輻射量預測中存在的問題
    1.3 本文的研究內容
    1.4 本文結構
第二章 ‘分解-聚類-集成’學習范式研究
    2.1“分解-集成”學習范式
    2.2“分解-聚類-集成”學習范式
    2.3 本章小結
第三章 基于EEMD-LSSVR-K-LSSVR的分解-聚類-集成學習理論的研究
    3.1 EEMD分解算法
        3.1.1 EMD分解算法
        3.1.2 EEMD分解算法
    3.2 Kmeans聚類算法
    3.3 LSSVR的預測和集成方法
        3.3.1 SVR方法
        3.3.2 LSSVR方法
    3.4 EEMD-LSSVR-K-LSSVR混合集成學習框架
    3.5 本章小結
第四章 實證研究
    4.1 數據描述與實驗設計
        4.1.1 數據描述
        4.1.2 模型性能評估準則
    4.2 實驗結果分析
        4.2.1 單模型性能比較
        4.2.2 混合集成模型性能比較
        4.2.3 魯棒性分析
    4.3 本章小結
第五章 結論與展望
    5.1 結論
    5.2 展望
附錄A 重力搜索算法
參考文獻
在學期間完成的工作
致謝

【相似文獻】

相關期刊論文 前10條

1 楊衛(wèi)國;夏紅衛(wèi);魏生賢;李明;方玉萍;;豎直墻面不同方位上太陽輻射量的計算分析[J];西南師范大學學報(自然科學版);2008年02期

2 楊建瑩;劉勤;嚴昌榮;梅旭榮;;近48a華北區(qū)太陽輻射量時空格局的變化特征[J];生態(tài)學報;2011年10期

3 盧端,袁士孔;甘肅省平均太陽輻射量的確定方法[J];甘肅科學(甘肅省科學院學報);1990年03期

4 劉金彪;安徽地區(qū)太陽輻射量的計算及其分布特征[J];安徽大學學報(自然科學版);1981年02期

5 郭力民;陳勝軍;顧駿強;周乘波;;浙江太陽輻射量計算方法的探討[J];科技通報;1991年02期

6 查良松;西北地區(qū)太陽輻射量變化的研究[J];干旱區(qū)地理;1995年01期

7 查良松;我國地面太陽輻射量的時空變化研究[J];地理科學;1996年03期

8 查良松，丁祖榮，周佑河，潘玲玲，施錦豐;合肥市太陽輻射量變化的初步分析[J];安徽師大學報(自然科學版);1996年04期

9 宋守正;方德彪;;河西走廊西部太陽輻射量的計算[J];甘肅氣象;1986年04期

10 查良松，丁祖榮;我國太陽輻射量時間序列分析[J];中國科學技術大學學報;1996年01期

相關碩士學位論文 前1條

1 孫少龍;基于‘分解-聚類-集成’學習范式的太陽輻射量預測技術研究及應用[D];蘭州大學;2016年

本文編號：2888607