基于群智能优化算法的预测理论与方法的研究及应用

利用时间序列预测技术对数据进行统计分析，可以推测事物发展的未来趋势。然而传统的时间序列预测方法模型构建简单，对于数据包含的信息挖掘与剖析不够深入。因此，采用基于群智能优化算法的预测理论解决时间序列分析与预测问题是近年来的研究热点之一。本书阐述了基于群智能优化算法的预测理论和方法的研究与应用问题，主要包括数据预处理技术、预测技术和优化技术。同时，本书结合多个案例介绍了不同模型在时间序列方面的应用，以及全面详细的算法对比结果分析。本书是一本较好的时间序列分析与预测研究工具书，融入了作者对时间序列分析与预测技术的创新和贡献。 本书可供理工科大学相关专业的教师及研究生、科研人员学习参考。

第1章 绪论
第一篇 数据预处理技术
第2章 基于EMD的预处理技术
2.1 EMD
2.2 EEMD
2.3 CEEMD
2.4 CEEMDAN
2.5 VMD
第3章 基于SSA的预处理技术
3.1 概述
3.2 SSA的基本策略
3.3 SSA伪代码
第4章 基于WT的预处理技术
4.1 概述
4.2 WT的基本思想
4.3 常见的小波
4.4 WT的优缺点
4.5 WT伪代码
第二篇 预测技术
第5章 统计模型
5.1 指数平滑模型
5.2 ARIMA模型
5.3 SVM模型
第6章 神经网络模型
6.1 BPNN
6.2 ENN
6.3 ELM
6.4 WNN
6.5 GRNN
第7章 灰色模型
7.1 概述
7.2 GM(1，1)模型
7.3 GM(1，N)模型
第8章 FTS模型
8.1 概述
8.2 区间划分方法
8.3 FTS的基础理论
第三篇 优化技术
第9章 单目标优化算法
9.1 BA
9.2 FA
9.3 CS算法
9.4 MFO算法
第1O章 多目标优化算法
10.1 MOPSO算法
10.2 MOGA
10.3 MOGW0
10.4 MOGOA
第四篇 案例应用
第11章 基于数据分解的混合模型的研究及在电力负荷预测中的应用
11.1 概述
11.2 方法
11.3 混合模型的提出
11.4 实验
11.5 小结
第12章 基于群智能优化算法和人工智能模型的混合模型的研究及在风速预测与风能评估中的应用
12.1 概述
12.2 模型构建
12.3 实验
12.4 模型的预测准确性讨论
12.5 小结
第13章 基于分解与集成策略和FTS的混合风速预测系统
13.1 概述
13.2 方法
13.3 数据捕述和设置
13.4 分析和讨论
13.5 参数的敏感性分析
13.6 1小时间隔的进一步实验
13.7 小结
第14章 基于多目标优化的多步前向电力负荷预测组合模型的研究与应用
14.1 概述
14.2 方法
14.3 实验和分析
14.4 讨论
14.5 小结
参考文献