基于神经网络和灰色系统的供暖热负荷组合预测方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 引言 | 第7-8页 |
| 1.2 国内外集中供热发展现状 | 第8-10页 |
| 1.2.1 国内集中供热发展现状 | 第8-9页 |
| 1.2.2 国外集中供热发展现状 | 第9-10页 |
| 1.3 本文的研究内容 | 第10页 |
| 1.4 本文的创新点 | 第10-11页 |
| 第二章 热负荷的计算公式及影响因素 | 第11-19页 |
| 2.1 热负荷经验公式 | 第11-13页 |
| 2.2 热负荷影响因素分析 | 第13-18页 |
| 2.2.1 采暖热负荷主要影响因素 | 第13-14页 |
| 2.2.2 灰色关联法 | 第14-15页 |
| 2.2.3 实例应用 | 第15-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第三章 灰色系统理论在热负荷预测中的应用 | 第19-30页 |
| 3.1 灰色系统原理 | 第19-24页 |
| 3.1.1 灰色生成列 | 第19-21页 |
| 3.1.2 GM(1,1) 模型 | 第21-22页 |
| 3.1.3 GM(1,1) 模型检验 | 第22-23页 |
| 3.1.4 GM(1, n) 模型 | 第23-24页 |
| 3.2 实例应用 | 第24-28页 |
| 3.3 本章小结 | 第28-30页 |
| 第四章 BP神经网络在热负荷预测中的应用 | 第30-40页 |
| 4.1 BP神经网络结构的建立 | 第30-34页 |
| 4.1.1 确定BP神经网络的结构 | 第31-33页 |
| 4.1.2 误差的选取 | 第33-34页 |
| 4.2 神经网络的Matlab函数及热负荷预测 | 第34-39页 |
| 4.2.1 样本数据的选取和预处理 | 第34-36页 |
| 4.2.2 BP网络的结构和参数 | 第36-37页 |
| 4.2.3 BP网络的训练与仿真 | 第37页 |
| 4.2.4 预测结果分析及参数调优 | 第37-39页 |
| 4.3 本章小结 | 第39-40页 |
| 第五章 组合模型在热负荷预测中的应用 | 第40-45页 |
| 5.1 组合预测法 | 第40页 |
| 5.2 组合预测的两种形式 | 第40-43页 |
| 5.2.1 基于权重的组合预测 | 第40-41页 |
| 5.2.2 基于层次的组合预测 | 第41-43页 |
| 5.3 本章小结 | 第43-45页 |
| 第六章 全文总结 | 第45-47页 |
| 6.1 结论 | 第45-46页 |
| 6.2 建议 | 第46页 |
| 6.3 展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 致谢信 | 第50页 |
