| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文主要工作 | 第9页 |
| 1.4 本文的结构安排 | 第9-11页 |
| 第二章 人工神经网络 | 第11-20页 |
| 2.1 人工神经网络简介 | 第11-12页 |
| 2.2 人工神经网络模型 | 第12-15页 |
| 2.3 BP神经网络 | 第15-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 粒子群BP神经网络算法 | 第20-35页 |
| 3.1 群智能算法简述 | 第20-21页 |
| 3.2 粒子群算法综述 | 第21-23页 |
| 3.3 粒子群算法的改进 | 第23-26页 |
| 3.4 GPSO-BP神经网络预测模型 | 第26-29页 |
| 3.5 算例仿真 | 第29-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第四章 基于主成分分析的粒子群神经网络预测模型 | 第35-49页 |
| 4.1 负荷预测影响因素分析 | 第35-38页 |
| 4.2 主成分分析法概述 | 第38-41页 |
| 4.3 主成分分析法分析数据 | 第41-43页 |
| 4.4 主成分分析的粒子群神经网络负荷预测模型构建 | 第43-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 结论与展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 附录 | 第54-58页 |
| 致谢 | 第58-59页 |
| 个人简介 | 第59页 |