| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究主要内容 | 第11-13页 |
| 第2章 电网物资需求研究 | 第13-19页 |
| 2.1 电网物资需求特性分析 | 第13-16页 |
| 2.1.1 项目类物资需求 | 第14-15页 |
| 2.1.2 非项目类物资需求 | 第15-16页 |
| 2.2 基于分类的电网基建项目物资需求预测分析 | 第16-18页 |
| 2.2.1 基建项目分类 | 第16页 |
| 2.2.2 基建项目物资需求预测分析 | 第16-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 电网物资需求预测方法研究 | 第19-36页 |
| 3.1 现有物资需求预测方法评述 | 第19-24页 |
| 3.1.1 预测模型概述 | 第19-22页 |
| 3.1.2 电网物资需求预测模型选择 | 第22-24页 |
| 3.2 BP神经网络预测模型 | 第24-31页 |
| 3.2.1 BP神经网络模型结构 | 第24页 |
| 3.2.2 BP神经网络主要学习参数选择 | 第24-27页 |
| 3.2.3 BP神经网络学习算法 | 第27-29页 |
| 3.2.4 标准BP神经网络模型不足 | 第29-31页 |
| 3.3 标准BP算法改进 | 第31-35页 |
| 3.3.1 SCG算法优化训练算法 | 第32-33页 |
| 3.3.2 遗传算法优化初始权值和阈值选取 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 改进BP算法的电网基建物资需求预测模型构建 | 第36-49页 |
| 4.1 电网基建物资需求预测流程 | 第36页 |
| 4.2 样本分析 | 第36-42页 |
| 4.2.1 项目库识别 | 第37-39页 |
| 4.2.2 样本识别 | 第39-41页 |
| 4.2.3 影响因素分析 | 第41页 |
| 4.2.4 样本数据预处理 | 第41-42页 |
| 4.3 网络参数设定 | 第42-44页 |
| 4.4 网络初始权值阈值确定 | 第44-48页 |
| 4.4.1 参数编码 | 第45页 |
| 4.4.2 初始化种群 | 第45-46页 |
| 4.4.3 确定适应度函数 | 第46页 |
| 4.4.4 遗传操作 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 改进BP算法的电网基建物资需求预测模型实现 | 第49-59页 |
| 5.1 样本数据预处理 | 第49-50页 |
| 5.2 算法分析 | 第50-54页 |
| 5.3 预测结果分析 | 第54-58页 |
| 5.3.1 BP神经网络预测结果分析 | 第54-55页 |
| 5.3.2 改进BP神经网络预测结果分析 | 第55-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 结论与展望 | 第59-60页 |
| 6.1 结论 | 第59页 |
| 6.2 不足与展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第64-65页 |
| 致谢 | 第65页 |