| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 选题背景与意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 电价预测的分类 | 第11-12页 |
| 1.2.2 电价预测的研究现状 | 第12-14页 |
| 1.3 论文的组织安排 | 第14-15页 |
| 第2章 电价预测基本原理 | 第15-20页 |
| 2.1 电价形成机制 | 第15页 |
| 2.2 电价特点分析 | 第15-17页 |
| 2.3 电价影响因素 | 第17-19页 |
| 2.3.1 历史电价 | 第17页 |
| 2.3.2 负荷 | 第17-18页 |
| 2.3.3 其它因素 | 第18页 |
| 2.3.4 输入变量的选择 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 基于BP神经网络的短期电价预测方法 | 第20-29页 |
| 3.1 基于人工神经网络的电价预测方法综述 | 第20页 |
| 3.2 BP神经网络原理 | 第20-22页 |
| 3.3 基于BP神经网络的短期电价预测分析 | 第22-25页 |
| 3.3.1 数据的选取 | 第22-23页 |
| 3.3.2 数据预处理 | 第23-24页 |
| 3.3.3 BP神经网络确定隐含层节点数 | 第24页 |
| 3.3.4 误差分析 | 第24-25页 |
| 3.4 实验结果 | 第25-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第4章 遗传算法优化的BP神经网络短期电价预测算法设计 | 第29-38页 |
| 4.1 GABP算法设计思想 | 第29-31页 |
| 4.1.1 传统BP神经网络电价预测方法的不足 | 第29页 |
| 4.1.2 遗传算法的原理和模型分析 | 第29-31页 |
| 4.1.3 基于遗传算法对BP神经网络的改进 | 第31页 |
| 4.2 GABP短期电价预测算法的设计 | 第31-35页 |
| 4.3 对比实验 | 第35-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第5章 基于MapReduce的GABP的短期电价预测算法实现 | 第38-58页 |
| 5.1 云计算 | 第38-41页 |
| 5.1.1 Hadoop | 第38页 |
| 5.1.2 HDFS | 第38-39页 |
| 5.1.3 MapReduce | 第39-40页 |
| 5.1.4 HBase | 第40-41页 |
| 5.2 基于Hadoop的GABP电价预测算法并行化实现 | 第41-47页 |
| 5.2.1 MR-GABP的算法设计 | 第41-42页 |
| 5.2.2 MR-GABP的并行化实现 | 第42-47页 |
| 5.3 Hadoop云计算平台与开发环境的搭建与配置 | 第47-55页 |
| 5.3.1 系统环境配置 | 第47-49页 |
| 5.3.2 全分布Hadoop集群搭建 | 第49-51页 |
| 5.3.3 全分布HBase的安装与配置 | 第51-53页 |
| 5.3.4 开发平台搭建 | 第53-55页 |
| 5.4 对比实验 | 第55-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 本论文的主要工作 | 第58-59页 |
| 6.2 本文不足及展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 在硕士研究生学习期间发表的学术论文及科研情况 | 第64页 |
