| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题的背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 课题主要研究内容 | 第13-15页 |
| 第2章 门站流量的预测 | 第15-31页 |
| 2.1 宏观模型的概念 | 第15-17页 |
| 2.2 宏观模型的输入变量——门站流量 | 第17页 |
| 2.3 主要的几种门站流量预测方法 | 第17-19页 |
| 2.4 历史数据完整时的门站流量预测 | 第19-26页 |
| 2.4.1 门站流量的指数平滑预测 | 第19-21页 |
| 2.4.2 平滑次数对预测结果的影响 | 第21-22页 |
| 2.4.3 平滑常数对预测结果的影响 | 第22-26页 |
| 2.5 历史数据不完整时的门站流量确定 | 第26-30页 |
| 2.5.1 常见的典型负荷曲线确定方法 | 第27页 |
| 2.5.2 灰色关联度分析法制定典型负荷曲线 | 第27-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 城市燃气管网多元线性回归宏观模型 | 第31-47页 |
| 3.1 燃气管网多元线性回归模型 | 第31-33页 |
| 3.2 多元线性回归分析的数学基础及软件支持 | 第33-36页 |
| 3.2.1 数学模型 | 第33-35页 |
| 3.2.2 SPSS 软件简介 | 第35-36页 |
| 3.3 H 市实例验证 | 第36-46页 |
| 3.3.1 H 市燃气高中压管网调研 | 第36-39页 |
| 3.3.2 H 市燃气管网线性回归模型 | 第39-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 线性回归宏观模型的改进与应用 | 第47-59页 |
| 4.1 周回归模型 | 第47-51页 |
| 4.1.1 L 调压站压力的多元回归 | 第47-48页 |
| 4.1.2 W 调压站压力的多元回归 | 第48-50页 |
| 4.1.3 P 调压站压力的多元回归 | 第50-51页 |
| 4.2 用户低压预警 | 第51-54页 |
| 4.3 管网承载力计算 | 第54-55页 |
| 4.4 用气高峰时段的多元曲线回归模型 | 第55-57页 |
| 4.5 回归模型的局限性 | 第57-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第5章 城市燃气管网 BP 神经网络宏观模型 | 第59-80页 |
| 5.1 神经网络适合于城市燃气宏观模型的原因 | 第59-60页 |
| 5.2 人工神经网络 | 第60-65页 |
| 5.2.1 基本概念及分类 | 第60-62页 |
| 5.2.2 BP 神经网络 | 第62-65页 |
| 5.3 燃气管网 BP 神经网络宏观模型及 MATLAB 实现 | 第65-67页 |
| 5.4 H 市实例验证 | 第67-71页 |
| 5.5 改进的 BP 算法 | 第71-73页 |
| 5.6 隐层节点数对预测结果的影响 | 第73-76页 |
| 5.6.1 隐层节点数为 10 的网络 | 第73-74页 |
| 5.6.2 隐层节点数为 20 的网络 | 第74-76页 |
| 5.7 BP 网络的样本集处理 | 第76-78页 |
| 5.8 SIMULINK 模块仿真 | 第78-79页 |
| 5.9 本章小结 | 第79-80页 |
| 结论与展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86页 |