| 中文摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章 引言 | 第7-12页 |
| ·短期负荷预测的研究背景及研究意义 | 第7页 |
| ·短期负荷预测当前国内外发展动向 | 第7-8页 |
| ·人工神经网络在电力系统短期负荷预测中应用的研究现状 | 第8-10页 |
| ·蚁群算法简介 | 第10-11页 |
| ·本论文的主要内容 | 第11-12页 |
| 第二章 人工神经网络 | 第12-19页 |
| ·人工神经网络及其特点简介 | 第12页 |
| ·人工神经网络结构 | 第12-15页 |
| ·人工神经元模型 | 第13页 |
| ·三层前向神经网络模型 | 第13-14页 |
| ·三层前向神经网络的逼近能力 | 第14-15页 |
| ·BP 学习算法 | 第15-17页 |
| ·标准 BP 算法 | 第15-17页 |
| ·标准 BP 算法的缺陷和原因 | 第17页 |
| ·本章小结 | 第17-19页 |
| 第三章 蚁群算法 | 第19-32页 |
| ·简介 | 第19-20页 |
| ·基本蚁群算法 | 第20-24页 |
| ·基本蚁群算法原理 | 第20-21页 |
| ·基本蚁群算法模型 | 第21-23页 |
| ·基本蚁群算法实现步骤 | 第23-24页 |
| ·连续优化问题的蚁群算法 | 第24-26页 |
| ·引入遗传算法的蚁群算法 | 第26-28页 |
| ·蚁群算法中主要参数分析 | 第28-30页 |
| ·信息激素的启发因子α和自启发量因子β的分析 | 第29页 |
| ·信息激素挥发系数ρ的分析 | 第29-30页 |
| ·蚂蚁数量M 的分析 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第四章 一种蚁群神经网络 | 第32-39页 |
| ·对蚁群算法的改进 | 第32-36页 |
| ·蚁群算法存在的不足 | 第32页 |
| ·人工免疫算法简介 | 第32-35页 |
| ·改进蚁群算法 | 第35-36页 |
| ·蚁群神经网络 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 实验研究 | 第39-48页 |
| ·引言 | 第39页 |
| ·电力系统短期负荷预测模型 | 第39-40页 |
| ·蚁群神经网络的具体实现 | 第40-44页 |
| ·蚁群算法训练神经网络的过程 | 第40页 |
| ·蚁群神经网络的具体实现 | 第40-43页 |
| ·蚁群神经网络实验结果 | 第43-44页 |
| ·蚁群神经网络模型应用实例 | 第44-47页 |
| ·结论 | 第47-48页 |
| 第六章 总结论 | 第48-49页 |
| ·蚁群神经网络 | 第48页 |
| ·对蚁群算法的改进 | 第48页 |
| ·实验检验结论 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 致谢 | 第54-55页 |
| 在学期间发表的学术论文 | 第55页 |