• 基于二型模糊逻辑的电力负荷预测系统
21年品牌 40万+商家 超1.5亿件商品

基于二型模糊逻辑的电力负荷预测系统

正版保障 假一赔十 可开发票

23.97 6.0折 40 全新

仅1件

广东广州
认证卖家担保交易快速发货售后保障

作者郑高

出版社吉林大学出版社有限责任公司

ISBN9787569268270

出版时间2019-03

装帧平装

开本16开

定价40元

货号10840626

上书时间2024-06-20

灵感书店

三年老店
已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
商品描述
目录
第1章  绪论
  1.1  研究背景与意义
  1.2  电力负荷预测技术的研究现状
  1.3  二型模糊逻辑的研究现状
    1.3.1  型模糊系统的研究现状
    1.3.2  二型模糊性测度的研究现状
    1.3.3  型模糊系统辨识方法的研究现状
  1.4  本书的主要研究内容
第2章  二型模糊逻辑理论
  2.1  二型模糊集合
    2.1.1  二型模糊集合的定义
    2.1.2  二型模糊集合的运算
  2.2  二型模糊系统
    2.2.1  模糊器
    2.2.2  规则库
    2.2.3  推理机
    2.2.4  降型器
    2.2.5  解模糊器
  2.3  二型模糊性测度
    2.3.1  一型模糊性测度
    2.3.2  普通二型模糊性测度
    2.3.3  区间二型模糊性测度
  2.4  本章小结
第3章  普通二型模糊相似度与包含度
  3.1  普通二型模糊相似度
  3.2  普通二型模糊包含度
  3.3  普通二型模糊相似度与包含度的关系
  3.4  实例与验证
  3.5  本章小结
第4章  区间二型模糊相似度、包含度及熵
  4.1  区间二型模糊相似度
  4.2  区间二型模糊包含度
  4.3  区间二型模糊熵
  4.4  区间二型模糊相似度、包含度及熵的关系
    4.4.1  区间二型模糊相似度与包含度的关系
    4.4.2  区间二型模糊相似度与熵的关系
    4.4.3  区间二型模糊包含度与熵的关系
  4.5  实例与验证
  4.6  本章小结
第5章  SVD-SM-BP混合迭代算法
  5.1  系统参数的调节
    5.1.1  一型模糊系统参数的调节
    5.1.2  区间二型模糊系统参数的调节
  5.2  模糊规则库的精简
    5.2.1  SVD-BP混合迭代算法
    5.2.2  SVD-SM-BP混合迭代算法
  5.3  本章小结
第6章  基于SVI)-sM-BP混合迭代算法的电力负荷预测系统
  6.1  电力负荷预测系统的设计
    6.1.1  区间二型模糊系统的设计
    6.1.2  预测系统模糊规则库的精简
  6.2  仿真与验证
    6.2.1  五分钟负荷的预测
    6.2.2  一小时负荷的预测
    6.2.3  日负荷的预测
    6.2.4  三日负荷的预测
    6.2.5  建模结果分析
  6.3  本章小结
参考文献

内容摘要
本书主要研究基于二型模糊逻辑的电力负荷预测系统。提出了新的普通二型模糊相似度与包含度,分析了普通二型模糊包含度的性质,讨论了两种新测度的相互转换关系,通过实例来验证新测度的性能,并将普通二型模糊相似度与YANG-SHIH聚类方法相结合用于高斯普通二型模糊集合的聚类分析,以检验新测度的合理性与有效性。提出了新的区间二型模糊相似度、包含度及嫡,分析了区间二型模糊包含度的性质,讨论了三种新测度的相互转换关系,并通过实例验证了新测度的性能。提出了一种反向传播-相似度-奇异值分解混合迭代算法,能够有效地消除冗余模糊规则与冗余模糊集合带来的不良影响;并在此基础上,建立了区间二型非单值二型Mamdani模糊系统,用于实际电力负荷的时间序列预测。该系统具有优良的预测性能,可为相关领域科技人员提供参考。

精彩内容
本书主要研究基于二型模糊逻辑的电力负荷预测系统。提出了新的普通二型模糊相似度与包含度,分析了普通二型模糊包含度的性质,讨论了两种新测度的相互转换关系,通过实例来验证新测度的性能,并将普通二型模糊相似度与YANG-SHIH聚类方法相结合用于高斯普通二型模糊集合的聚类分析,以检验新测度的合理性与有效性。提出了新的区间二型模糊相似度、包含度及嫡,分析了区间二型模糊包含度的性质,讨论了三种新测度的相互转换关系,并通过实例验证了新测度的性能。提出了一种反向传播-相似度-奇异值分解混合迭代算法,能够有效地消除冗余模糊规则与冗余模糊集合带来的不良影响;并在此基础上,建立了区间二型非单值二型Mamdani模糊系统,用于实际电力负荷的时间序列预测。该系统具有优良的预测性能,可为相关领域科技人员提供参考。

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP