| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 选题背景和意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状及发展动态分析 | 第12-19页 |
| 1.2.1 中长期电力需求预测 | 第12-14页 |
| 1.2.2 复合知识挖掘 | 第14-19页 |
| 1.3 课题研究目标、内容、方法 | 第19-20页 |
| 1.3.1 课题的研究目标 | 第19页 |
| 1.3.2 课题的研究内容 | 第19页 |
| 1.3.3 课题的研究方法 | 第19-20页 |
| 1.4 研究难点 | 第20页 |
| 1.5 预期成果和创新点 | 第20-21页 |
| 1.5.1 预期成果 | 第20页 |
| 1.5.2 创新点 | 第20-21页 |
| 第2章 电力需求预测理论 | 第21-28页 |
| 2.1 电力需求预测的概念 | 第21页 |
| 2.2 电力需求预测的特点 | 第21页 |
| 2.3 电力需求预测的分类 | 第21-22页 |
| 2.4 中长期电力需求影响因素分析 | 第22-24页 |
| 2.4.1 外部因素 | 第22-23页 |
| 2.4.2 内部因素 | 第23页 |
| 2.4.3 因素分类 | 第23-24页 |
| 2.5 中长期电力需求预测方法 | 第24-26页 |
| 2.5.1 经验技术方法 | 第24页 |
| 2.5.2 经典技术方法 | 第24-25页 |
| 2.5.3 统计预测方法 | 第25页 |
| 2.5.4 智能预测方法 | 第25-26页 |
| 2.5.5 各种方法对比 | 第26页 |
| 2.6 本章小结 | 第26-28页 |
| 第3章 复合知识挖掘 | 第28-33页 |
| 3.1 数据挖掘 | 第28-29页 |
| 3.1.1 数据挖掘的概念 | 第28页 |
| 3.1.2 数据挖掘的步骤 | 第28-29页 |
| 3.1.3 数据挖掘方法 | 第29页 |
| 3.2 文本挖掘 | 第29-31页 |
| 3.2.1 文本挖掘的概念 | 第29-30页 |
| 3.2.2 文本挖掘的步骤 | 第30页 |
| 3.2.3 文本挖掘技术 | 第30-31页 |
| 3.3 本章小结 | 第31-33页 |
| 第4章 影响北京市中长期电力需求的数据因素挖掘 | 第33-42页 |
| 4.1 数据准备 | 第33页 |
| 4.2 基于相关性分析的数据挖掘 | 第33-34页 |
| 4.3 基于格兰杰因果检验的数据挖掘 | 第34-37页 |
| 4.3.1 单位根检验 | 第34-35页 |
| 4.3.2 协整检验 | 第35-37页 |
| 4.4 基于RBF神经网络模型的实证分析 | 第37-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 影响北京市中长期电力需求的文本因素挖掘 | 第42-57页 |
| 5.1 构建文本对象集 | 第42-43页 |
| 5.2 文本因素预处理 | 第43-45页 |
| 5.2.1 经济发展水平 | 第43页 |
| 5.2.2 气候变化 | 第43-44页 |
| 5.2.3 城镇化进程 | 第44页 |
| 5.2.4 节能减排情况 | 第44-45页 |
| 5.3 文本因素编码 | 第45页 |
| 5.4 建立事务数据库 | 第45-50页 |
| 5.5 构建FP-TREE | 第50-51页 |
| 5.6 数据分析与比较 | 第51页 |
| 5.7 文本因素评估 | 第51-56页 |
| 5.7.1 文本预处理 | 第51-53页 |
| 5.7.2 基于文本挖掘的北京市电力需求预测 | 第53-56页 |
| 5.8 本章小结 | 第56-57页 |
| 第6章 北京市中长期电力需求预测 | 第57-64页 |
| 6.1 基于复合知识挖掘的电力需求预测模型的构建 | 第57-59页 |
| 6.2 实证分析 | 第59-61页 |
| 6.3 基于复合知识挖掘的北京市中长期电力需求预测 | 第61-63页 |
| 6.3.1 基于数据挖掘的北京市中长期电力需求预测 | 第61-62页 |
| 6.3.2 基于复合知识挖掘的北京市中长期电力需求预测 | 第62-63页 |
| 6.4 本章小结 | 第63-64页 |
| 第7章 研究成果和结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第71-72页 |
| 致谢 | 第72页 |
