| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景与意义 | 第11-12页 |
| 1.1.1 课题来源 | 第11页 |
| 1.1.2 课题研究背景 | 第11页 |
| 1.1.3 课题研究意义 | 第11-12页 |
| 1.2 国内外机器学习和时间序列回归预测算法研究现状 | 第12-15页 |
| 1.2.1 机器学习回归预测算法研究现状 | 第12-15页 |
| 1.2.2 机器学习时间序列预测算法研究现状 | 第15页 |
| 1.3 研究内容与方法 | 第15-18页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 研究方法与技术路线 | 第16-18页 |
| 1.3.3 本文结构安排 | 第18页 |
| 1.4 本章小结 | 第18-19页 |
| 第2章 电热水器用户行为数值模拟 | 第19-25页 |
| 2.1 用户行为特征分析 | 第19-21页 |
| 2.2 用户行为数值模拟 | 第21-22页 |
| 2.3 预测性能指标 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 基于ARIMA模型与支持向量机的电热水器洗浴时长预测 | 第25-73页 |
| 3.1 基于ARIMA模型的电热水器洗浴时长预测 | 第25-31页 |
| 3.1.1 ARIMA算法原理概述 | 第25页 |
| 3.1.2 ARIMA算法设计 | 第25-26页 |
| 3.1.3 数值实验分析 | 第26-31页 |
| 3.2 支持向量机理论与原理 | 第31-36页 |
| 3.2.1 支持向量机原理 | 第31-32页 |
| 3.2.2 支持向量机特点 | 第32页 |
| 3.2.3 支持向量机核函数 | 第32-34页 |
| 3.2.4 支持向量机回归模型 | 第34-35页 |
| 3.2.5 支持向量机回归模型参数选择 | 第35-36页 |
| 3.3 基于遗传算法的支持向量机回归参数优化设计 | 第36-53页 |
| 3.3.1 遗传算法基本思想 | 第36-37页 |
| 3.3.2 基于遗传算法的模型参数优化算法设计 | 第37-40页 |
| 3.3.3 GASVR预测结果与数值分析 | 第40-53页 |
| 3.4 基于粒子群算法的支持向量机回归参数优化设计 | 第53-66页 |
| 3.4.1 PSO算法原理 | 第53-55页 |
| 3.4.2 基于粒子群算法优化SVM参数的算法设计 | 第55-56页 |
| 3.4.3 PSOSVR预测结果与数值分析 | 第56-66页 |
| 3.5 GASVR、PSOSVR、ARIMA预测结果对比 | 第66-71页 |
| 3.6 本章小结 | 第71-73页 |
| 第4章 基于深度学习的电热水器洗浴时长预测 | 第73-93页 |
| 4.1 深度学习理论基础研究 | 第73-77页 |
| 4.1.1 深度学习的原理 | 第73-74页 |
| 4.1.2 波尔兹曼机 | 第74-75页 |
| 4.1.3 受限波尔兹曼机 | 第75页 |
| 4.1.4 连续型受限波尔兹曼机 | 第75-76页 |
| 4.1.5 深度置信网络 | 第76-77页 |
| 4.2 基于深度置信网络的用水时长预测算法设计 | 第77-79页 |
| 4.2.1 深度置信网络回归预测算法框架 | 第77-78页 |
| 4.2.2 构建连续型深度置信网络预测模型 | 第78-79页 |
| 4.2.3 连续型深度置信网络权重更新算法 | 第79页 |
| 4.3 基于连续型DBN预测结果与数值分析 | 第79-87页 |
| 4.3.1 实验设计 | 第80页 |
| 4.3.2 实验结果 | 第80-84页 |
| 4.3.3 数值分析 | 第84-87页 |
| 4.4 GASVR与CDBN预测结果对比 | 第87-90页 |
| 4.5 实例验证 | 第90-92页 |
| 4.6 本章小结 | 第92-93页 |
| 第5章 基于用户行为的电热水器智能控制系统分析与设计 | 第93-103页 |
| 5.1 电热水器智能控制系统总体框架 | 第93-95页 |
| 5.1.1 系统物理架构 | 第93页 |
| 5.1.2 系统逻辑结构 | 第93-95页 |
| 5.2 电热水器智能控制系统分析 | 第95-97页 |
| 5.2.1 系统需求分析 | 第95页 |
| 5.2.2 数据流程分析 | 第95-97页 |
| 5.3 电热水器智能控制系统设计 | 第97-101页 |
| 5.3.1 系统功能结构 | 第97页 |
| 5.3.2 功能详细设计 | 第97-98页 |
| 5.3.3 数据库设计 | 第98-101页 |
| 5.4 本章小结 | 第101-103页 |
| 第6章 总结与展望 | 第103-105页 |
| 6.1 论文工作总结 | 第103页 |
| 6.2 未来研究方向展望 | 第103-105页 |
| 参考文献 | 第105-109页 |
| 致谢 | 第109页 |
