Новая энергетическая система системы вероятности и методы прогнозирования и методов Wancan 9787030714671 Science Press
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
| Теория и метод вероятности энергии системы энергетической системы и метод | ||
 | Ценообразование | 168.00 |
| Издатель | научная пресса | |
| Издание | 1 | |
| Опубликованная дата | 2022 февраль | |
| формат | 16 | |
| автор | Ванкан, песня Йонхуа | |
| Украсить | Квартира -Ридж в твердом переплете | |
| Количество страниц | 255 | |
| Число слов | 337000 | |
| Кодирование ISBN | 9787030714671 | |
Эта книга систематически вводит теорию и метод прогнозирования вероятности новой энергетической энергетической системы, чтобы обеспечить ключевую надежную информацию для анализа и управления энергетической системой в неопределенной среде, а также помогает безопасности и экономической эксплуатации новой энергетической системы.В книге есть 9 глав. *Превосходное прогнозирование деления, метод прогнозирования вероятности непараметра, непараметрический прогноз вероятности, управляемого данными, интеграция с определением вероятности.
Каталог
Предисловие
Глава 1 Прогнозируется научная основа 1
1.1 Обзор 1
1.2 Основной принцип прогнозирования 1
1.2.1 Определение прогноза 1
1.2.2 Общий шаг 2 предсказал
1.2.3 Шкала времени прогнозирования 4
1.2.4 Новая энергетическая электроэнергия. Объект 5 объекта 5
1.3 Модели и методы общего прогнозирования 9
1.3.1 Модель физического прогнозирования 10
1.3.2 модель прогнозирования временных рядов 10
1.3.3 Модель 12 статистического права модели 12
1.3.4 Модель прогнозирования машинного обучения 14
1.3.5 Комбинация прогноз модели 20
1.4 Задача научной науки 20
Ссылки 22
Глава 2 Принципы математики и значение применения прогнозов вероятности 24
2.1 Обзор 24
2.2 Прогнозирующая неопределенность 24
2.2.1 Анализ статистических характеристик.
2.2.2 Источник прогноза неопределенности 32
2.3 Принципы прогнозирования вероятности математики 34
2.3.1 Математическая сущность прогнозирования вероятности 34
2.3.2 Основная форма прогнозирования вероятности 35
2.3.3 Оценка прогнозирования вероятности Indicatrist 39
2.3.4 Классификация метода прогнозирования вероятности 45
2.4 ПРИМЕНЕНИЕ ПРИМЕНЕНИЯ 49 с прогнозом вероятности 49
2.4.1 Метод принятия решения в неопределенной среде 49
2.4.2 Неопределенный анализ новой энергетической системы 51
2.4.3 Новая энергетическая система управления работой 53
2.4.4 План оптимизации для новой энергетической системы 55
2.4.5 Переход на рынок энергетики и реакция спроса 56
Ссылки 57
Глава 3 Метод прогнозирования вероятности экстремальной учебной машины 60
3.1 Обзор 60
3.2 Extreme Learning Machine 60
3.2.1 Единственный скрытый слой кормления нейронной сети 60
3.2.2 Классический алгоритм тренировок по градиенту 62
3.2.3 Экстремальные учебные машины*Алгоритм обучения в начальной школе 63
3.2.4. Преимущество применения экстремальной учебной машины 64
3.3 Прогнозирующая неопределенность 65
3.3.1 Диапазон прогноза и диапазон доверия 65
3.3.2 Общая неопределенность 65
3.4 Самооткрытая экстремальная учебная машина 66
3.4.1 Метод самоотдачи 66
3.4.2 Истинная доходность оценивается в 70
3.4.3 Модель неопределенности свиньи 71
3.4.4 Снижение градиента в остаточной оценке нейронной сети 71
3.4.5 Self -Rabon of Extreme Learning Machine Остаточная оценка 73
3.5 Пример расчета Анализ 75
3.5.1 Анализ эффективности цены на мощность рынка 75
3.5.2. Прогнозирующий пример примера мощности ветра.
3.6 Резюме этой главы 88
Ссылка 89
Глава 4 Адаптивный интегрированный метод прогнозирования вероятности глубокого обучения 91
4.1 Обзор 91
4.2 Глубокое обучение 91
4.2.1 Основы глубокого обучения 91
4.2.2 Метод глубокого обучения 93
4.3 Интегрированное обучение 99
4.3.1 Интегрированное определение обучения 99
4.3.2 Интегрированный алгоритм обучения Basic 100
4.3.3 Интегрированная стратегия комбинации обучения 103
4.4 Адаптивное интегрированное глубокое обучение 104
4.4.1 Создание первичной интегрированной модели глубокого обучения 104
4.4.2 Адаптивная гибридная интеграция 108
4.4.3 Прогноз вероятности модели 110
4.5 Пример расчета Анализ 112
4.5.1 Пример расчета Описание 112
4.5.2 Параметр модели OK 113
4.5.3. Анализ эффективности определения производительности 115
4.5.4 Проверка прогнозирования вероятности 118
4.6 Сводка этой главы 121
Ссылки 122
Глава 5 Прямое разделение машинного обучения 123
5.1 Обзор 123
5.2 Модель 123 Прямой интервальный прогноз 123
5.2.1 Прогноз отдела. Обзор 123
5.2.2 Прогнозируемый диапазон 124
5.2.3.
5.3 Прогнозируемый диапазон на основе разделения 127
5.3.1 Прогнозирующий интервал и количество подразделений 127
5.3.2 E -Уровень Горизонтальной чувствительности Анализ 128
5.4 Адаптивная двойная модель оптимизации 129
5.4.1 *Короткий и надежный диапазон прогнозирования 129
5.4.2 Адаптивная двойная модель оптимизации 129
5.4.3 Отдел двойной модели 134
5.4.4 Улучшенный алгоритм филиала 135
5.5 Пример анализа 141
5.5.1 Описание расчета 141
5.5.2 Прямой интервал прогноз 142
5.5.3 Симметрия и асимметричный диапазон прогнозирования 143
5.5.4 Адаптивный диапазон прогнозирования 145
5.6 Резюме этой главы 149
Ссылки 150
ГЛАВА 6 МАШИЧЕСКОЕ Обучение*Вы прогноз района 152
6.1 Обзор 152
6.2 Интервал прогнозирования Paibito*Вы 152
6.2.1 Цель прогноза деления 152
6.2.2 Строительство модели оптимизации многофункциональной оптимизации 154
6.2.3 Парето*Отлично 154
6.2.4 Генетический алгоритм не -домена.
6.3 Возможность сдерживать ограниченный интервал обучающей машины 158
6.3.1 Возможности взаимосвязь между интервальным прогнозом 158
6.3.2 Возможность ограничить модель 158 экстремальной учебной машины 158
6.3.3 Параметры возможностей для сдачи*Оптимизация модель 160
6.3.4 Два -точечный алгоритм обучения на основе оптимизации разницы в выпуклых разницах 163
6.4 Пример анализа 169
6.4.1 Описание экзамена 169
6.4.2 Парето*Отличный анализ 170
6.4.3 Анализ интервала прогнозирования в течение нескольких сезонов 171
6.4.4 Анализ прогнозирования интервалов с мульти -расставаниями 173
6.4.5 Анализ прогнозирования интервала раннего времени 174
6.4.6 Анализ полусвязанного уровня интервала прогнозирования 175
6.4.7 Анализ алгоритма решений 176
6.5 Сводка этой главы 178
Ссылки 179
Глава 7 Прямые субсидии возвращаются к методу прогнозирования вероятности непараметров 181
7.1 Обзор 181
7.2 Теория регрессии Дивизии 181
7.2.1. ПРОДЕПЕ ПАРАМЕТРИЗАЦИИ И НЕПРАМЕТЕРИЗАЦИИ.
7.2.2 Цены и прогноз вероятности 182
7.2.3 балла возвращаются на 184
7.2.4 Оценка возврата ситдера 186
7.3 Extreme Learning Machine напрямую разделите число и возвращается на 186
7.3.1 Прямой номер -точечный номер возвращается на 186
7.3.2 Прямой несколько баллов возвращается на 187
7.3.3 Алгоритм обучения на основе линейного на основе 189
7.3.4 Обсуждение метода возврата прямого подразделения 190
7.4 Пример анализа 191
7.4.1 Описание Экзамена 191
7.4.
7.4.3
7.4.4 Анализ эффективности вычислений 197
7.5 Эта глава - резюме 198
Ссылки 198
Глава 8 Данные данные данных не поплат. Прогнозирование вероятности 200
8.1 Обзор 200
8.2 Основная теория и общая структура 200
8.2.1 Теоретическая поддержка 200
8.2.2 Общая структура прогнозирования 201
8.3 Аналогичная добыча режима 202
8.3.1 Выбор 202
8.3.2 аналогичные свойства 205
8.3.3 Определено количество аналогичного режима 208
8.4 Оценка адаптивной интегрированной плотности 209
8.4.1 Стоматологическая оценка 209
8.4.2 Самоадаптивное определение веса 212
8.5 Пример анализа 214
8.5.1 Описание обратного отсчета 214
8.5.2 Возможно, заранее прогнозирование вероятности нескольких сезонов 214
8.5.3 Сравнение эффективности вычислений 223
8.6 Эта глава - саммит 223
Ссылки 224
Глава 9 Директировка вероятности интегрирована 226
9.1 Обзор 226
9.2 Прогнозируемый диапазон затрат 226
9.2.1 Значение диапазона прогнозирования 226
9.2.2.
9.3 Метод определения выполнения резервного копирования для системы питания 228
9.3.1 Основные концепции работы для системы электроэнергии 228
9.3.2 определить метод анализа на основе определенного стандарта 228
9.3.3 Метод неопределенного анализа на основе надежности 229
9.3.4 Метод анализа неопределенности на основе выгод затрат 230
9.4 Прогнозируемая энергосистема на основе мощности. Количественное определение резервного копирования 231
9.4.1 Связь между запасным спросом и прогнозом вероятности 231
9.4.2 Оценка запасной количественной оценки 233
9.5 Прогнозирование вероятности запасной определения определения решений интегрированной модели 234
9.5.1 Прогнозируемый диапазон на основе экстремальных учебных машин 234
9.5.2 Целевая функция 235
9.5.3 Прогнозирование вероятности и ограничение по сравнению с резервным копированием 236
9.5.4 Линеаризация модели 237
9.5.5 Стратегия решения модели 240
9.6 Пример анализа 244
9.6.1 Пример Описание 244
9.6.2 Остановка количественная производительность Общая оценка 246
9.6.3 Анализ статистических характеристик резервного и количественного уровня 248
9.6.4 Анализ количественного анализа эффективности при различной уверенности 250
9.6.5 Анализ эффективности вычислений 252
9.7 Эта глава - саммит 253
Ссылки 254
