| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 本文背景和意义 | 第11页 |
| 1.2 国内外的研究现状 | 第11-20页 |
| 1.2.1 相关性分析法研究现状 | 第11-13页 |
| 1.2.2 电网规划技术性评价研究现状 | 第13-16页 |
| 1.2.3 信息融合技术研究现状 | 第16-20页 |
| 1.3 论文的主要工作及内容安排 | 第20-23页 |
| 第二章 基于概率盒理论的改进相关性分析 | 第23-49页 |
| 2.1 区间的概率 | 第23页 |
| 2.2 证据理论结构体(Dempster-Shafer Structures,DSS) | 第23-24页 |
| 2.3 概率盒理论 | 第24-25页 |
| 2.4 相关性分析 | 第25-32页 |
| 2.4.1 事件间的依赖关系 | 第25-26页 |
| 2.4.2 极度依赖：正全相关和反全相关 | 第26-27页 |
| 2.4.3 概率盒的极度依赖 | 第27-30页 |
| 2.4.4 证据理论结构体(DSS)的极度依赖 | 第30-32页 |
| 2.5 Copula相关性分析 | 第32-41页 |
| 2.5.1 Copula函数理论 | 第33-37页 |
| 2.5.2 基于证据理论结构体(DSS)的Copula函数 | 第37-39页 |
| 2.5.3 基于概率盒理论的Copula函数 | 第39-41页 |
| 2.6 改进的相关性分析算法 | 第41-47页 |
| 2.6.1 Lucas相关性分析 | 第41-42页 |
| 2.6.2 Copula函数的相关性度量 | 第42-44页 |
| 2.6.3 常用二元Copula函数的相关性度量 | 第44-45页 |
| 2.6.4 改进的相关性分析算法 | 第45-47页 |
| 2.7 本章小结 | 第47-49页 |
| 第三章 基于概率盒理论的改进融合方法 | 第49-57页 |
| 3.1 几种常见的加权融合方法 | 第49-54页 |
| 3.1.1 加权平均融合算法 | 第49-50页 |
| 3.1.2 最优加权融合算法 | 第50-51页 |
| 3.1.3 自适应加权融合算法 | 第51-53页 |
| 3.1.4 动态权值加权融合算法 | 第53-54页 |
| 3.2 改进的加权信息融合算法 | 第54-56页 |
| 3.2.1 基于概率盒的改进加权融合算法 | 第54-55页 |
| 3.2.2 改进加权融合算法 | 第55-56页 |
| 3.3 本章小结 | 第56-57页 |
| 第四章 相关性及融合方法的实例验证 | 第57-73页 |
| 4.1 电网规划中技术性指标 | 第57-58页 |
| 4.2 指标数据的处理 | 第58页 |
| 4.2.1 定量数据 | 第58页 |
| 4.2.2 定性数据 | 第58页 |
| 4.3 单个指标多源相关性分析及融合 | 第58-60页 |
| 4.4 多指标多源信息相关性分析及融合 | 第60-66页 |
| 4.4.1 确定边缘分布 | 第60-62页 |
| 4.4.2 选取合适的Copula函数 | 第62-64页 |
| 4.4.3 参数估计 | 第64-65页 |
| 4.4.4 绘制Copula密度函数和分布函数图 | 第65-66页 |
| 4.4.5 秩相关系数估计 | 第66页 |
| 4.5 基于指标相关性条件下建立概率盒 | 第66-70页 |
| 4.5.1 指标间的相关性 | 第66-68页 |
| 4.5.2 两指标概率盒间的改进加权融合 | 第68-70页 |
| 4.6 实验分析 | 第70-71页 |
| 4.7 本章小结 | 第71-73页 |
| 第五章 结论及展望 | 第73-75页 |
| 5.1 结论 | 第73-74页 |
| 5.2 展望 | 第74-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 附录A 攻读学位期间发表的论文和参加的科研项目 | 第83页 |