| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状及分析 | 第12-15页 |
| 1.2.1 国内外研究现状 | 第12-14页 |
| 1.2.2 工程应用现状 | 第14-15页 |
| 1.3 研究目的及内容 | 第15-16页 |
| 1.4 论文结构与章节安排 | 第16-17页 |
| 第2章 通信基站能耗构成与数据采集 | 第17-26页 |
| 2.1 通信基站典型场景分类 | 第17-19页 |
| 2.1.1 通信基站地域场景划分 | 第17页 |
| 2.1.2 典型场景基站分类 | 第17-19页 |
| 2.2 通信基站能耗影响因素 | 第19-20页 |
| 2.3 通信基站能耗相关数据分析 | 第20-23页 |
| 2.3.1 主设备能耗 | 第20-22页 |
| 2.3.2 空调系统能耗 | 第22-23页 |
| 2.4 基站能耗数据采集 | 第23-25页 |
| 2.4.1 典型场景基站的选取 | 第23-24页 |
| 2.4.2 基站数据采集类型 | 第24页 |
| 2.4.3 基站数据采集方法 | 第24-25页 |
| 2.5 小结 | 第25-26页 |
| 第3章 基于混沌粒子群协同优化的LSSVM | 第26-39页 |
| 3.1 支持向量机理论 | 第26-28页 |
| 3.1.1 支持向量机 | 第26页 |
| 3.1.2 非线性支持向量回归机 | 第26-28页 |
| 3.1.3 核函数 | 第28页 |
| 3.2 最小二乘支持向量机 | 第28-30页 |
| 3.3 混沌粒子群协同优化算法 | 第30-35页 |
| 3.3.1 粒子群算法描述 | 第30-32页 |
| 3.3.1.1 粒子群算法原理 | 第30-31页 |
| 3.3.1.2 粒子群算法流程 | 第31-32页 |
| 3.3.2 混沌运动的特性 | 第32页 |
| 3.3.3 混沌粒子群协同优化的基本思想 | 第32-33页 |
| 3.3.4 混沌粒子群协同优化算法 | 第33-35页 |
| 3.4 基于CPSO优化LSSVM的模型参数 | 第35-38页 |
| 3.4.1 混沌粒子群协同优化LSSVM参数 | 第35-36页 |
| 3.4.2 实验仿真 | 第36-38页 |
| 3.5 小结 | 第38-39页 |
| 第4章 基于滚动时间窗CPSO-LSSVM的基站能耗建模 | 第39-51页 |
| 4.1 引言 | 第39-40页 |
| 4.1.1 基站能耗构成分析 | 第39页 |
| 4.1.2 基站能耗建模研究分析 | 第39-40页 |
| 4.2 滚动时间窗理论 | 第40-43页 |
| 4.2.1 滚动时间窗概念描述 | 第40-42页 |
| 4.2.2 滚动时间窗的选取策略 | 第42-43页 |
| 4.3 基于滚动时间窗的CPSO-LSSVM算法 | 第43-46页 |
| 4.3.1 基于滚动时间窗的CPSO-LSSVM算法概述 | 第43-44页 |
| 4.3.2 基于滚动时间窗的CPSO-LSSVM算法流程 | 第44-46页 |
| 4.4 基站能耗预测模型及测试分析 | 第46-50页 |
| 4.4.1 实验数据及条件 | 第46页 |
| 4.4.2 基于滚动时间窗CPSO-LSSVM的基站能耗建模 | 第46-50页 |
| 4.5 小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 附录A (攻读学位期间发表的学术论文) | 第58-59页 |
| 附录B (攻读学位期间参与的科研课题) | 第59页 |
