基于改进神经网络的热电厂短期热负荷预测分析
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-16页 |
| ·选题目的意义 | 第8-9页 |
| ·供热负荷的分类 | 第9-10页 |
| ·国内外各种供热负荷预测方法 | 第10-14页 |
| ·经典预测方法 | 第10-12页 |
| ·现代预测方法 | 第12-14页 |
| ·本文的主要工作 | 第14-16页 |
| 第2章 负荷数据预处理 | 第16-26页 |
| ·数据预处理的基本思想和步骤 | 第16-20页 |
| ·数据预处理的基本思想 | 第16-17页 |
| ·数据预处理的步骤 | 第17-20页 |
| ·数据预处理的方法 | 第20-23页 |
| ·卡尔曼滤波应用 | 第20-23页 |
| ·仿真算例分析 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 供热负荷神经网络预测模型及算法 | 第26-37页 |
| ·神经网络模型 | 第26-28页 |
| ·BP 网络的学习训练方法 | 第28-31页 |
| ·仿真算例分析 | 第31-36页 |
| ·预测模型输入输出变量的选择 | 第31-32页 |
| ·预测模型隐含层节点数目的选择 | 第32-33页 |
| ·利用神经网络模型进行预测 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 遗传算法与神经网络融合的应用 | 第37-60页 |
| ·遗传算法优化基本思想 | 第37页 |
| ·遗传算法求解问题步骤 | 第37-38页 |
| ·遗传算法的特点 | 第38-39页 |
| ·神经网络与遗传算法结合 | 第39-43页 |
| ·神经网络与遗传算法结合必要性 | 第39页 |
| ·遗传算法用于神经网络的训练 | 第39-41页 |
| ·自适应遗传算法 | 第41-43页 |
| ·仿真算例分析 | 第43-59页 |
| ·12 个输入变量时的自适应算法结果图 | 第44-46页 |
| ·3 个输入变量时供热热值的仿真分析 | 第46-55页 |
| ·3 个输入变量时回水温度的仿真分析 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64-65页 |
| 附录 1 作者在攻读硕士期间发表的论文 | 第65页 |
