天然气流量负荷预测--以银川市某县天然气负荷为例
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 选题背景及意义 | 第7-8页 |
| 1.2 负荷预测概述 | 第8-10页 |
| 1.3 天然气负荷预测研究 | 第10-12页 |
| 1.4 本文主要研究内容 | 第12-14页 |
| 第二章 人工神经网络 | 第14-24页 |
| 2.1 人工神经网发展 | 第14页 |
| 2.2 人工神经网络原理 | 第14-17页 |
| 2.3 人工神经网络分类 | 第17-18页 |
| 2.4 本次研究所采用的模型及其算法 | 第18-23页 |
| 2.5 本章总结 | 第23-24页 |
| 第三章 遗传算法优化BP神经网络 | 第24-39页 |
| 3.1 遗传算法概述 | 第24-25页 |
| 3.2 遗传算法理论基础 | 第25-27页 |
| 3.3 遗传算法的基本要素 | 第27-30页 |
| 3.4 GA与BP结合的实现 | 第30-35页 |
| 3.5 GA-BP与BP的比较 | 第35-38页 |
| 3.6 本章总结 | 第38-39页 |
| 第四章 天然气流量数据处理 | 第39-44页 |
| 4.1 历史负荷数据的预处理 | 第39-41页 |
| 4.2 天气数据处理 | 第41-42页 |
| 4.3 日期数据处理 | 第42页 |
| 4.4 天然气负荷数据归一化 | 第42-43页 |
| 4.5 本章总结 | 第43-44页 |
| 第五章 天然气流量特征分析 | 第44-51页 |
| 5.1 负荷周期分析 | 第44-45页 |
| 5.2 相关与偏相关分析 | 第45-50页 |
| 5.3 本章总结 | 第50-51页 |
| 第六章 组合预测模型建立与仿真 | 第51-62页 |
| 6.1 模型构造 | 第51-53页 |
| 6.2 样本数据构造 | 第53-54页 |
| 6.3 实例仿真 | 第54-59页 |
| 6.4 界面设计 | 第59-60页 |
| 6.5 本章小结 | 第60-62页 |
| 第七章 总结与展望 | 第62-63页 |
| 7.1 总结 | 第62页 |
| 7.2 展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 个人简介及攻读硕士学位期间论文发表情况 | 第67页 |
