| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-23页 |
| 1.1 城市群的形成与发展 | 第12-13页 |
| 1.2 三大城市群简介 | 第13-16页 |
| 1.2.1 京津冀、长三角以及珠三角的区域界定 | 第13-15页 |
| 1.2.2 京津冀、长三角以及珠三角的基本概况 | 第15页 |
| 1.2.3 三大城市群城市化历史与发展状况 | 第15-16页 |
| 1.3 度日介绍 | 第16-17页 |
| 1.3.1 简介 | 第16-17页 |
| 1.3.2 国内外的研究 | 第17页 |
| 1.4 电力需求的预测 | 第17-19页 |
| 1.5 本文研究的意义 | 第19页 |
| 1.6 参考文献 | 第19-23页 |
| 第二章 资料和方法 | 第23-33页 |
| 2.1 资料 | 第23-26页 |
| 2.1.1 气象资料 | 第23-25页 |
| 2.1.2 电力资料 | 第25页 |
| 2.1.3 社会经济统计资料 | 第25-26页 |
| 2.2 方法 | 第26-31页 |
| 2.2.1 度日计算 | 第26页 |
| 2.2.2 双线性插值 | 第26-27页 |
| 2.2.3 多模式简单集合平均 | 第27-28页 |
| 2.2.4 检验方法 | 第28页 |
| 2.2.5 线性倾向估计方法 | 第28-29页 |
| 2.2.6 多元线性拟合法 | 第29-30页 |
| 2.2.7 人工神经网络 | 第30-31页 |
| 2.3 参考文献 | 第31-33页 |
| 第三章 三大城市群的历史温度变化 | 第33-47页 |
| 3.1 近55年温度的时间变化 | 第33-40页 |
| 3.1.1 年代际变化 | 第33-36页 |
| 3.1.2 年际变化 | 第36-40页 |
| 3.2 温度的空间分布 | 第40-46页 |
| 3.3 本章小结 | 第46页 |
| 3.4 参考文献 | 第46-47页 |
| 第四章 CMIP5模式检验 | 第47-66页 |
| 4.1 CMIP5资料 | 第47-51页 |
| 4.1.1 CMIP5简介 | 第47-48页 |
| 4.1.2 RCPs——三种典型浓度路径 | 第48-49页 |
| 4.1.3 CMIP5与CMIP3的比较 | 第49-50页 |
| 4.1.4 本文选取的CMIP5模式简介 | 第50-51页 |
| 4.2 CMIP5模式检验 | 第51-57页 |
| 4.2.1 模式模拟值与实际观测值的相关性分析 | 第51-54页 |
| 4.2.2 模式模拟值与实际观测值的误差分析 | 第54-57页 |
| 4.3 模式温度模拟的特点 | 第57-63页 |
| 4.3.1 时间变化特点 | 第57-60页 |
| 4.3.2 空间变化特点 | 第60-63页 |
| 4.4 本章小结 | 第63-64页 |
| 4.5 参考文献 | 第64-66页 |
| 第五章 三大城市群的度日分析 | 第66-93页 |
| 5.1 度日的月变化 | 第66-68页 |
| 5.2 度日的年变化 | 第68-72页 |
| 5.3 基于模式模拟值的度日分析 | 第72-91页 |
| 5.3.1 模式模拟度日值的时间变化分析 | 第72-77页 |
| 5.3.2 模式模拟度日的空间变化分析 | 第77-91页 |
| 5.4 本章小结 | 第91-92页 |
| 5.5 参考文献 | 第92-93页 |
| 第六章 个例分析：基于人工神经网络的北京市电力负荷预测 | 第93-113页 |
| 6.1 北京市电力负荷的特征分析 | 第93-96页 |
| 6.1.1 电力负荷的年/月变化 | 第93-95页 |
| 6.1.2 电力负荷的周变化 | 第95页 |
| 6.1.3 电力负荷的节假日效应 | 第95-96页 |
| 6.2 北京市日用电负荷与气温的相关性分析 | 第96-100页 |
| 6.2.1 电力负荷与气温的标幺值分析 | 第97-98页 |
| 6.2.2 电力负荷与气温的散点图分析 | 第98-100页 |
| 6.3 人工神经网络(NARx)预测法 | 第100-110页 |
| 6.3.1 神经网络的建立 | 第100-103页 |
| 6.3.2 结果分析 | 第103-105页 |
| 6.3.3 2010年北京市电力负荷预测 | 第105-106页 |
| 6.3.4 未来100年北京市电力消费预测 | 第106-110页 |
| 6.4 本章小结 | 第110页 |
| 6.5 参考文献 | 第110-113页 |
| 第七章 三大城市群电力消费的年预测 | 第113-134页 |
| 7.1 三大城市群历史电力消费、GDP及人口概况 | 第113-115页 |
| 7.2 电力消费的预测 | 第115-131页 |
| 7.2.1 多元线性回归法 | 第116-120页 |
| 7.2.2 人工神经网络法 | 第120-131页 |
| 7.3 本章小结 | 第131-132页 |
| 7.4 参考文献 | 第132-134页 |
| 第八章 总结和展望 | 第134-137页 |
| 8.1 总结 | 第134-136页 |
| 8.2 创新点与展望 | 第136-137页 |
| 致谢 | 第137-138页 |