| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题的背景 | 第10页 |
| ·选题的目的和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·天然气负荷预测研究现状 | 第11-12页 |
| ·天然气调度系统研究现状 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第二章 天然气用气负荷的特点 | 第14-18页 |
| ·天然气用气负荷的一般性特点 | 第14页 |
| ·广州市天然气用气负荷的特点 | 第14-17页 |
| ·广州天然气负荷简介 | 第14-15页 |
| ·天然气负荷预测的重要性 | 第15页 |
| ·燃气用气负荷的分类 | 第15页 |
| ·节假日对燃气用气负荷的影响 | 第15页 |
| ·天气对燃气用气负荷的影响 | 第15-16页 |
| ·广州天然气负荷的特点 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 天然气负荷的神经网络预测方法 | 第18-29页 |
| ·神经网络的由来 | 第18页 |
| ·神经网络的应用研究 | 第18-19页 |
| ·神经网络的分类 | 第19页 |
| ·BP神经网络 | 第19-24页 |
| ·BP神经网络原理 | 第19页 |
| ·BP神经网络的结构 | 第19-20页 |
| ·BP神经网络的算法描述 | 第20-23页 |
| ·BP神经网络算法的改进 | 第23-24页 |
| ·天然气用气负荷的BP神经网络预测 | 第24-27页 |
| ·BP神经网络输入项的选择 | 第24页 |
| ·BP神经网络天然气用气负荷的仿真实例 | 第24-27页 |
| ·本章小结 | 第27-29页 |
| 第四章 天然气负荷的支持向量机预测方法 | 第29-44页 |
| ·支持向量机简介 | 第29页 |
| ·支持向量机算法 | 第29-40页 |
| ·svm分类算法 | 第29-31页 |
| ·svr回归算法 | 第31-34页 |
| ·支持向量回归机的参数选择 | 第34-37页 |
| ·支持向量回归方法的特点 | 第37-38页 |
| ·支持向量机回归的分析预测工具 | 第38-40页 |
| ·天然气负荷的支持向量机仿真预测 | 第40-43页 |
| ·仿真流程 | 第40页 |
| ·输入项和数据的选择 | 第40-41页 |
| ·数据的归一化处理 | 第41页 |
| ·支持向量机参数选择 | 第41页 |
| ·支持向量机的训练，预测结果分析 | 第41-42页 |
| ·支持向量机与神经网络的结果对比 | 第42-43页 |
| ·支持向量机在小训练样本的预测以及与指数，灰色模型的对比 | 第43页 |
| ·结论 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第五章 天然气调度系统的设计 | 第44-48页 |
| ·系统开发的背景 | 第44页 |
| ·系统的功能 | 第44-45页 |
| ·系统的使用者 | 第45页 |
| ·广州市天然气负荷调度系统设计 | 第45-47页 |
| ·广州市天然气负荷调度系统总体框图 | 第45页 |
| ·广州市天然气负荷调度系统各模块介绍 | 第45-47页 |
| ·广州市天然气负荷调度系统的特点 | 第47页 |
| ·本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 攻读硕士学位期间取得的研究成果 | 第51-52页 |
| 致谢 | 第52页 |