济南地区用电负荷预测研究
| 摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章 引言 | 第7-12页 |
| ·论文的研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-11页 |
| ·论文的主要研究内容 | 第11-12页 |
| 第二章 负荷预测的概述 | 第12-19页 |
| ·负荷预测的概念 | 第12页 |
| ·负荷预测分类 | 第12-14页 |
| ·负荷预测按行业分类 | 第12-13页 |
| ·负荷预测按时间分类 | 第13页 |
| ·负荷预测按特性分类 | 第13-14页 |
| ·负荷预测的特点 | 第14-15页 |
| ·负荷预测的基本步骤 | 第15-16页 |
| ·误差分析 | 第16-19页 |
| ·误差产生原因 | 第16-17页 |
| ·误差分析 | 第17-19页 |
| 第三章 蚁群灰色模型 | 第19-33页 |
| ·灰色模型 | 第19-21页 |
| ·灰色系统理论 | 第19-20页 |
| ·灰色模型的建模机理 | 第20页 |
| ·GM（1，1）模型的建立 | 第20-21页 |
| ·GM(1,1,θ)模型 | 第21-22页 |
| ·蚁群灰色模型 | 第22-33页 |
| ·蚁群算法基本原理 | 第22-23页 |
| ·蚁群算法模型 | 第23-25页 |
| ·蚁群算法的特点 | 第25-26页 |
| ·蚁群算法的步骤及结构流程图 | 第26-27页 |
| ·蚁群算法的缺陷及改进 | 第27-28页 |
| ·蚁群灰色模型 | 第28-33页 |
| 第四章 基于神经网络优化的蚁群灰色模型 | 第33-47页 |
| ·人工神经网络 | 第33页 |
| ·人工神经网络的发展史 | 第33-35页 |
| ·神经网络的特性 | 第35-36页 |
| ·神经网络的分类 | 第36-38页 |
| ·人工神经网络的基本原理 | 第38-42页 |
| ·神经元模型 | 第38-40页 |
| ·人工神经网络的学习方式 | 第40页 |
| ·人工神经网络的学习算法 | 第40-42页 |
| ·BP 神经网络 | 第42-45页 |
| ·BP 神经网络基本原理 | 第42-45页 |
| ·BP 神经网络步骤 | 第45页 |
| ·BP 神经网络的优点 | 第45页 |
| ·BP 神经网络优化蚁群灰色模型 | 第45-47页 |
| 第五章 基于智能灰色模型的用电负荷预测 | 第47-51页 |
| ·电力负荷的指数加权 | 第47页 |
| ·蚁群灰色模型参数的选择 | 第47-48页 |
| ·BP 神经网络模型的构造 | 第48-49页 |
| ·网络输出层的确定 | 第48页 |
| ·网络输入层的确定 | 第48-49页 |
| ·隐层神经元数目的确定 | 第49页 |
| ·实证分析 | 第49-51页 |
| 第六章 总结 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 在学习期间发表的论文和参加科研情况 | 第56页 |
