| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 目录 | 第10-15页 |
| 第一章 绪论 | 第15-21页 |
| ·课题研究背景和意义 | 第15-18页 |
| ·空调负荷预测对建筑节能的重要作用及其现状 | 第15-16页 |
| ·太阳辐射预测是空调负荷精确预测的前提条件 | 第16-17页 |
| ·太阳辐射预测神经网络的泛化性能和过拟合问题 | 第17-18页 |
| ·太阳辐射与大气层的影响 | 第18-19页 |
| ·大气层外的太阳辐射 | 第18-19页 |
| ·太阳辐射在大气中的衰减 | 第19页 |
| ·到达地球表面的太阳辐射 | 第19页 |
| ·本文的研究内容和方法 | 第19页 |
| ·本章小结 | 第19-21页 |
| 第二章 人工神经网络及其它智能算法简介 | 第21-55页 |
| ·人工神经网络简介 | 第21-28页 |
| ·人工神经网络的产生与发展 | 第21页 |
| ·人工神经元模型 | 第21-23页 |
| ·人工神经元模型 | 第22-23页 |
| ·激励函数 | 第23页 |
| ·人工神经网络模型的拓扑结构 | 第23页 |
| ·人工神经网络的学习方法 | 第23-25页 |
| ·人工神经网络的学习方式 | 第24页 |
| ·人工神经网络的学习算法(规则) | 第24-25页 |
| ·BP人工神经网络 | 第25-26页 |
| ·小波神经网络的建立 | 第26-28页 |
| ·小波神经网络的定义 | 第26-27页 |
| ·小波神经网络的结构 | 第27-28页 |
| ·基本遗传算法简介及遗传神经网络简介 | 第28-39页 |
| ·基本遗传算法简介及遗传神经网络简介 | 第28-34页 |
| ·遗传算法的发展历史 | 第28-29页 |
| ·遗传算法的基本原理与方法 | 第29-32页 |
| ·人工神经网络(ANN)与遗传算法(GA)的结合 | 第32-34页 |
| ·模拟退火算法简介及遗传模拟退火神经网络简介 | 第34-36页 |
| ·模拟退火算法简介 | 第34页 |
| ·模拟退火算法的基本思想和步骤 | 第34-35页 |
| ·遗传模拟退火神经网络简介 | 第35-36页 |
| ·自适应遗传算法简介及自适应遗传神经网络简介 | 第36-38页 |
| ·自适应遗传算法简介 | 第36-38页 |
| ·自适应遗传神经网络简介 | 第38页 |
| ·多种群遗传算法简介及多种群遗传神经网络简介 | 第38-39页 |
| ·蚁群算法简介及蚁群神经网络简介 | 第39-45页 |
| ·基本蚁群算法简介及蚁群神经网络简介 | 第39-40页 |
| ·基本蚁群算法的数学模型 | 第40-41页 |
| ·基本蚁群算法的实现步骤 | 第41-43页 |
| ·基于蚁群算法的人工神经网络训练 | 第43-45页 |
| ·遗传蚁群神经网络简介 | 第45页 |
| ·微粒子算法简介及微粒子神经网络简介 | 第45-49页 |
| ·微粒子算法简介 | 第45-48页 |
| ·微粒子神经网络的简介 | 第48-49页 |
| ·人工免疫算法简介及人工免疫神经网络简介 | 第49-53页 |
| ·人工免疫算法简介 | 第49-53页 |
| ·人工免疫神经网络简介 | 第53页 |
| ·本章小结 | 第53-55页 |
| 第三章 太阳辐射预测小波网络模型的建立 | 第55-73页 |
| ·太阳辐射建模用各因素分析 | 第55-56页 |
| ·太阳总辐射建模用各因素分析 | 第55-56页 |
| ·太阳散射辐射建模用各因素分析 | 第56页 |
| ·建模用资料数据 | 第56-58页 |
| ·神经网络输入数据处理 | 第58-67页 |
| ·太阳辐射逐日数据序列的小波预分解 | 第58-60页 |
| ·太阳辐射数据序列的相关性分析 | 第60-64页 |
| ·相关性分析原理 | 第61-62页 |
| ·相关性数据分析 | 第62-64页 |
| ·天气状况的模糊化,反模糊化与修正处理 | 第64-67页 |
| ·模糊化分析原理 | 第65-66页 |
| ·模糊化数据分析 | 第66-67页 |
| ·神经网络训练算法的确定 | 第67-71页 |
| ·小波网络学习算法 | 第69-70页 |
| ·附加动量法 | 第70-71页 |
| ·自适应变步长法 | 第71页 |
| ·本章小结 | 第71-73页 |
| 第四章 网络结构、样本及训练精度对太阳辐射神经网络模型的影响 | 第73-81页 |
| ·固定输入样本情况下隐含层节点个数对太阳辐射神经网络模型的泛化能力的影响及最佳隐节点的确定办法 | 第73-76页 |
| ·变化输入样本情况下隐含层节点个数对太阳辐射神经网络模型的泛化能力的影响及最佳隐节点的确定办法 | 第76-79页 |
| ·网络训练集样本的学习训练精度(训练次数)对太阳辐射神经网络模型的泛化能力的影响的研究 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 第五章 初始化对太阳辐射神经网络模型的泛化能力影响的研究 | 第81-145页 |
| ·网络初始化对太阳辐射神经网络模型的泛化能力的影响 | 第81-83页 |
| ·基于遗传算法初始化对太阳辐射神经网络模型泛化能力的影响 | 第83-115页 |
| ·基于遗传算法初始化对太阳辐射神经网络模型的泛化能力的影响 | 第83-92页 |
| ·基于遗传算法初始化太阳日总辐射预测小波网络模型 | 第84-88页 |
| ·太阳散射辐射逐日复合预测模型 | 第88-92页 |
| ·基于遗传模拟退火算法初始化对太阳辐射神经网络模型泛化能力的影响 | 第92-101页 |
| ·基于遗传模拟退火算法初始化太阳日总辐射预测小波网络模型 | 第94-98页 |
| ·太阳散射辐射逐日复合预测模型 | 第98-101页 |
| ·基于自适应遗传算法初始化对太阳辐射神经网络模型泛化能力的影响 | 第101-108页 |
| ·基于自适应遗传算法初始化太阳日总辐射预测小波网络模型 | 第102-105页 |
| ·基于自适应遗传算法初始化太阳散射辐射逐日复合预测模型 | 第105-108页 |
| ·基于多种群遗传算法初始化对太阳辐射神经网络模型的泛化能力的影响 | 第108-115页 |
| ·基于多种群遗传算法初始化太阳日总辐射预测小波网络模型 | 第109-112页 |
| ·基于多种群遗传算法初始化太阳散射辐射逐日复合预测模型 | 第112-115页 |
| ·基于蚁群算法初始化对太阳辐射神经网络模型泛化能力的影响 | 第115-127页 |
| ·基于蚁群算法初始化对太阳辐射神经网络模型的泛化能力的影响 | 第115-123页 |
| ·基于蚁群算法初始化太阳日总辐射预测小波网络模型 | 第116-119页 |
| ·基于蚁群算法初始化太阳散射辐射逐日复合预测模型 | 第119-123页 |
| ·基于遗传蚁群算法初始化对太阳辐射神经网络模型的泛化能力的影响 | 第123-127页 |
| ·基于遗传蚁群算法初始化太阳日总辐射预测小波网络 | 第123-125页 |
| ·基于遗传蚁群算法初始化太阳日散射辐射预测小波网络 | 第125-127页 |
| ·基于微粒子算法始化对太阳辐射小波网络模型泛化能力的影响 | 第127-134页 |
| ·基于PSO算法初始化太阳日总辐射预测小波网络模型 | 第128-131页 |
| ·基于PSO算法初始化太阳日总辐射预测小波网络拓扑结构 | 第128-129页 |
| ·基于PSO算法初始化太阳日总辐射预测小波网络的实验仿真 | 第129-131页 |
| ·太阳散射辐射逐日复合预测模型 | 第131-134页 |
| ·太阳散射辐射逐日预测网络拓扑结构 | 第131-132页 |
| ·基于PSO算法初始化太阳日散射辐射预测小波网络的实验仿真 | 第132-134页 |
| ·基于人工免疫算法初始化对太阳辐射小波网络模型的泛化能力的影响 | 第134-141页 |
| ·基于人工免疫算法初始化太阳日总辐射预测小波网络模型 | 第135-138页 |
| ·基于人工免疫算法初始化太阳日总辐射预测小波网络拓扑结构 | 第135-136页 |
| ·基于人工免疫算法初始化太阳日总辐射预测小波网络的实验仿真 | 第136-138页 |
| ·太阳散射辐射逐日复合预测模型 | 第138-141页 |
| ·太阳散射辐射逐日预测网络拓扑结构 | 第138-139页 |
| ·基于人工免疫算法初始化太阳日散射辐射预测小波网络的实验仿真 | 第139-141页 |
| ·本章小结 | 第141-145页 |
| 第六章 论文结论及研究展望 | 第145-149页 |
| ·本文的初步结论和研究成果 | 第145-146页 |
| ·引入多种智能算法对网络进行初始化并比较了改善网络泛化能力的效果 | 第145页 |
| ·引入遗传算法来解决确定最佳隐含层中的神经元数 | 第145页 |
| ·研究了样本、网络结构以及训练精度对网络泛化能力的影响 | 第145页 |
| ·对本文提出的预测模型进行了实际验证 | 第145-146页 |
| ·本文的创新点 | 第146页 |
| ·引入相互融合的混合智能技术来初始化小波网络 | 第146页 |
| ·建立了网络结构(隐含层节点个数)和样本数同时变化情况下预测误差变化的三维图 | 第146页 |
| ·本文的不足与下一步的工作 | 第146-149页 |
| ·基于神经网络的太阳辐射预测模型的工程验证 | 第146页 |
| ·实时预测模型集成软件的设计开发 | 第146-149页 |
| 参考文献 | 第149-152页 |
| 攻读硕士学位期间发表论文 | 第152-154页 |
| 致谢 | 第154页 |
