配电GIS管理下数据挖掘的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题研究背景及意义 | 第9-11页 |
| ·课题背景 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·电力负荷预测简介 | 第11-13页 |
| ·负荷预测的分类与特点 | 第11-12页 |
| ·影响负荷预测的因素 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·本文研究的主要内容 | 第15-17页 |
| 第2章 数据挖掘原理 | 第17-25页 |
| ·数据挖掘的定义 | 第17页 |
| ·数据挖掘的功能及技术 | 第17-20页 |
| ·数据挖掘的功能 | 第17-18页 |
| ·数据挖掘的常用技术 | 第18-20页 |
| ·数据挖掘过程 | 第20-21页 |
| ·GIS 与数据挖掘 | 第21-24页 |
| ·地理信息系统(GIS)简介 | 第21-23页 |
| ·GIS 中的数据挖掘 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 用于负荷预测的改进型BP 神经网络算法 | 第25-34页 |
| ·算法概述 | 第25页 |
| ·人工神经网络(ANN) | 第25-29页 |
| ·神经元模型 | 第26-27页 |
| ·BP 神经网络的结构 | 第27-29页 |
| ·BP 神经网络应用中存在的问题及优化 | 第29页 |
| ·遗传算法(GA) | 第29-31页 |
| ·遗传算法的基本原理 | 第30-31页 |
| ·遗传算法优化BP 神经网络 | 第31-33页 |
| ·用遗传算法来优化BP 神经网络的初始权重 | 第31-32页 |
| ·神经网络的训练 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 预测模型的建立 | 第34-43页 |
| ·确定模型结构 | 第34-39页 |
| ·遗传BP 神经网络 | 第34-38页 |
| ·Bagging 算法对遗传BP 神经网络的集成 | 第38-39页 |
| ·数据预处理 | 第39-41页 |
| ·输入输出向量 | 第39-41页 |
| ·输入样本的归一化处理 | 第41页 |
| ·预测过程 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 预测模型与配电GIS 管理系统集成 | 第43-54页 |
| ·配电GIS 管理系统简介 | 第43-48页 |
| ·配电GIS 管理系统的体系结构 | 第43-46页 |
| ·配电GIS 管理系统的主要功能 | 第46-48页 |
| ·预测功能的实现 | 第48-53页 |
| ·与普通BP 神经网络模型进行比较 | 第48页 |
| ·预测的实现 | 第48-53页 |
| ·预测结果应用 | 第53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间所发表的学术论文 | 第59-60页 |
| 致谢 | 第60页 |
