| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 数据挖掘技术相关概念解析 | 第9-10页 |
| 1.1.1 数据挖掘的概念 | 第9页 |
| 1.1.2 数据挖掘技术的产生背景 | 第9-10页 |
| 1.1.3 数据挖掘的常用技术 | 第10页 |
| 1.2 预测相关概念解析 | 第10-11页 |
| 1.2.1 预测的概念 | 第10-11页 |
| 1.2.2 预测的特点 | 第11页 |
| 1.2.3 预测的意义 | 第11页 |
| 1.3 数据挖掘技术在电力负荷预测中的应用 | 第11-15页 |
| 1.3.1 电力负荷预测 | 第11-12页 |
| 1.3.2 电力负荷预测的目的和意义 | 第12-13页 |
| 1.3.3 国内外的研究现状 | 第13-15页 |
| 1.4 本文主要工作及章节结构 | 第15-18页 |
| 第二章 相关概念与知识背景介绍 | 第18-23页 |
| 2.1 数据降噪及季节调整相关知识介绍 | 第18-20页 |
| 2.1.1 经验模态分解 | 第18-19页 |
| 2.1.2 季节调整模型 | 第19-20页 |
| 2.2 人工智能与电力负荷预测 | 第20-23页 |
| 2.2.1 粒子群优化算法 | 第20-21页 |
| 2.2.2 最小二乘支持向量机 | 第21-23页 |
| 第三章 电力负荷预测模型的设计与实现 | 第23-29页 |
| 3.1 数据降噪和季节调整模块的设计 | 第23-24页 |
| 3.1.1 数据降噪模块的设计 | 第23-24页 |
| 3.1.2 季节调整模块的设计 | 第24页 |
| 3.2 数据预测模块的设计 | 第24-25页 |
| 3.3 参数优化模块的设计 | 第25-27页 |
| 3.4 电力负荷预测模型的整体设计 | 第27-29页 |
| 第四章 实验结果与分析 | 第29-47页 |
| 4.1 模拟所用数据 | 第29页 |
| 4.2 降噪前后数据和预测结果对比 | 第29-35页 |
| 4.2.1 降噪前后数据对比 | 第30-32页 |
| 4.2.2 降噪前后预测结果对比 | 第32-35页 |
| 4.3 季节调整前后数据和预测结果对比 | 第35-40页 |
| 4.3.1 季节调整前后数据对比 | 第35-37页 |
| 4.3.2 季节调整前后预测结果对比 | 第37-40页 |
| 4.4 ESPLSSVM处理前后数据对比以及预测结果对比 | 第40-44页 |
| 4.4.1 ESPLSSVM处理前后数据对比 | 第40-42页 |
| 4.4.2 ESPLSSVM处理前后预测结果对比 | 第42-44页 |
| 4.5 不同预测方法预测结果的对比 | 第44-47页 |
| 第五章 电力负荷预测的评价指标和评价结果 | 第47-54页 |
| 5.1 电力负荷预测的评价指标 | 第47-49页 |
| 5.2 电力负荷预测的评价结果 | 第49-54页 |
| 第六章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 在学期间的研究成果 | 第58-59页 |
| 致谢 | 第59页 |