大数据技术在用电需求分析中的应用研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 用电需求预测研究现状 | 第10-13页 |
| 1.2.1 传统预测技术 | 第11-12页 |
| 1.2.2 现代预测技术 | 第12-13页 |
| 1.3 大数据分析技术研究现状 | 第13-16页 |
| 1.3.1 大数据分析技术的研究内容 | 第13-16页 |
| 1.3.2 大数据技术在用电需求预测中的应用 | 第16页 |
| 1.4 本文工作 | 第16-18页 |
| 第二章 基于结构化数据的用电需求预测方法 | 第18-34页 |
| 2.1 时间序列预测模型 | 第18-24页 |
| 2.1.1 时间序列基本概念 | 第18-20页 |
| 2.1.2 时间序列建模 | 第20-24页 |
| 2.1.3 算例分析 | 第24页 |
| 2.2 时间序列模型局限性及修正方法 | 第24-25页 |
| 2.3 基于温度数据的神经网络修正模型 | 第25-32页 |
| 2.3.1 神经元基本概念 | 第25-28页 |
| 2.3.2 BP神经网络介绍 | 第28-31页 |
| 2.3.3 算例分析 | 第31-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第三章 网络关键词检索数据 | 第34-40页 |
| 3.1 传统数据与大数据 | 第34页 |
| 3.2 网络大数据及其获取 | 第34-36页 |
| 3.3 关键词检索数据及其价值分析 | 第36-38页 |
| 3.3.1 关键词检索数据 | 第36-37页 |
| 3.3.2 关键词检索数据价值分析 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 关键词检索数据与用电关系的实证分析 | 第40-52页 |
| 4.1 全社会用电分类 | 第40-41页 |
| 4.2 关键词检索数据在各行业用电分析中的适用性 | 第41-49页 |
| 4.2.1 城乡居民用电 | 第41-42页 |
| 4.2.2 农、林、牧、渔业用电 | 第42-44页 |
| 4.2.3 重工业用电 | 第44-48页 |
| 4.2.4 建筑业及房地产业用电 | 第48-49页 |
| 4.2.5 其他行业 | 第49页 |
| 4.3 关键词的检索特征分析 | 第49-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 基于关键词检索数据的用电需求预测修正方法 | 第52-66页 |
| 5.1 用电数据季节调整及关键词选择 | 第52-56页 |
| 5.1.1 用电数据季节调整 | 第52-53页 |
| 5.1.2 关键词选择 | 第53-56页 |
| 5.2 关键词检索数据对用电需求预测的修正方法 | 第56-57页 |
| 5.3 算例分析一：居民用电需求预测修正 | 第57-61页 |
| 5.3.1 关键词选择 | 第58-61页 |
| 5.3.2 修正结果 | 第61页 |
| 5.4 算例分析二：房地产用电需求预测修正 | 第61-64页 |
| 5.5 本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 工作总结 | 第66页 |
| 6.2 进一步展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间取得的成果 | 第72-74页 |
| 致谢 | 第74页 |
