| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-11页 |
| ·研究背景和意义 | 第8-10页 |
| ·本论文的主要工作及安排 | 第10-11页 |
| 第一章 水电站发电量预测模型 | 第11-30页 |
| ·水电站发电量预测及模型介绍 | 第11-12页 |
| ·水电站发电量预测数据与因素 | 第11-12页 |
| ·水电站发电量预测存在的问题 | 第12页 |
| ·风险分析的水电站发电量预测模型 | 第12-14页 |
| ·风险分析方法的水电站发电量预测原因 | 第12-13页 |
| ·风险分析方法的水电站发电量预测流程图与步骤 | 第13-14页 |
| ·风险分析方法的水电站发电量预测存在的不足 | 第14页 |
| ·BP神经网络的水电站发电量预测模型 | 第14-17页 |
| ·BP神经网络的水电站发电量预测原理 | 第14-15页 |
| ·BP神经网络的水电站发电量预测流程图及步骤 | 第15-16页 |
| ·BP神经网络的水电站发电量预测存在的不足 | 第16-17页 |
| ·RBF神经网络的水电站发电量预测模型 | 第17-19页 |
| ·RBF神经网络的水电站发电量预测原理 | 第17页 |
| ·RBF神经网络的水电站发电量预测流程图与步骤 | 第17-19页 |
| ·RBF神经网络的水电站发电量预测存在的不足 | 第19页 |
| ·灰色的水电发站电量预测模型 | 第19-21页 |
| ·灰色的水电发站电量预测原理 | 第19页 |
| ·灰色的水电发站电量预测法流程图与步骤 | 第19-21页 |
| ·灰色算法的水电站发电量预测存在的不足 | 第21页 |
| ·ARMA与ARIMA的水电站发电量预测模型 | 第21-25页 |
| ·ARMA与ARIMA的水电站发电量预测原理 | 第21-22页 |
| ·ARMA与ARIMA的水电站发电量预测流程图及步骤 | 第22-24页 |
| ·ARMA与ARIMA的水电站发电量预测存在的不足 | 第24-25页 |
| ·LS-SVM的水电站发电量预测模型 | 第25-29页 |
| ·LS-SVM的水电站发电量预测原理 | 第25页 |
| ·LS-SVM的水电站发电量预测算法 | 第25-27页 |
| ·LS-SVM的水电站发电量预测算法步骤与流程图 | 第27-28页 |
| ·水电站发电量预测模型的建立时间窗 | 第28-29页 |
| ·LS-SVM的水电站发电量预测存在的不足 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第三章 粒子群优化方法 | 第30-39页 |
| ·粒子群优化算法(PSO) | 第30-33页 |
| ·PSO算法概念 | 第30页 |
| ·PSO优化算法 | 第30-32页 |
| ·PSO算法步骤与流程图 | 第32-33页 |
| ·PSO算法的记忆性 | 第33页 |
| ·PSO算法的特点与缺点 | 第33页 |
| ·AMPSO算法 | 第33-38页 |
| ·AMPSO算法概念 | 第33-34页 |
| ·AMPSO算法过程描述 | 第34-37页 |
| ·AMPSO算法步骤与流程图 | 第37-38页 |
| ·AMPSO特点 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第四章 AMPSO的LS-SVM水电站发电量预测模型 | 第39-45页 |
| ·AMPSO的LS-SVM水电站发电量预测原理 | 第39页 |
| ·AMPSO的LS-SVM水电站发电量预测参数求解方法 | 第39-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-46页 |
| ·本文工作总结 | 第45页 |
| ·未来的工作 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士期间参与的科研项目 | 第51-52页 |
| 攻读硕士期间完成的学术论文 | 第52页 |
