| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 课题背景及研究的目的和意义 | 第9页 |
| 1.2 基于SNMP协议用电信息估算国内外研究现状 | 第9-10页 |
| 1.3 SNMP网络协议发展简介 | 第10-11页 |
| 1.4 本文主要研究内容 | 第11页 |
| 1.5 本章小结 | 第11-12页 |
| 第2章 SNMP协议原理 | 第12-18页 |
| 2.1 SNMP协议组织架构 | 第12-13页 |
| 2.1.1 采集服务器Manager | 第12页 |
| 2.1.2 代理Agent | 第12-13页 |
| 2.1.3 被采集设备Device | 第13页 |
| 2.2 SNMP工作方式 | 第13-16页 |
| 2.2.1 管理信息库MIB和OID | 第13-15页 |
| 2.2.2 SNMP协议的报文格式 | 第15-16页 |
| 2.2.3 安全机制及网络认证方式 | 第16页 |
| 2.2.4 SNMP协议开发包 | 第16页 |
| 2.3 本章小结 | 第16-18页 |
| 第3章 用电信息估算系统的整体设计 | 第18-22页 |
| 3.1 系统设计目标 | 第18页 |
| 3.2 采集系统的总体设计 | 第18-20页 |
| 3.3 采集系统各部分作用 | 第20页 |
| 3.4 数据格式分析 | 第20-21页 |
| 3.5 本章小结 | 第21-22页 |
| 第4章 数据处理及使用到的算法 | 第22-34页 |
| 4.1 分析算法选型 | 第22-23页 |
| 4.1.1 线性回归方程 | 第22页 |
| 4.1.2 人工神经网络 | 第22-23页 |
| 4.2 BP神经网络算法 | 第23-28页 |
| 4.2.1 BP神经网络原理 | 第23-24页 |
| 4.2.2 BP神经网络参数设置 | 第24-25页 |
| 4.2.3 解决BP神经网络过拟合问题 | 第25页 |
| 4.2.4 使用BP神经网络估算结果 | 第25-28页 |
| 4.3 遗传优化的BP神经网络算法 | 第28-33页 |
| 4.3.1 遗传算法原理 | 第28-29页 |
| 4.3.2 使用遗传算法优化BP神经网络 | 第29-32页 |
| 4.3.3 遗传算法优化后结果 | 第32-33页 |
| 4.4 本章小结 | 第33-34页 |
| 第5章 匹配模型库及其他智能电器 | 第34-41页 |
| 5.1 匹配模型库建立 | 第34-37页 |
| 5.1.1 CPU型号及市场占有率分析 | 第34-35页 |
| 5.1.2 影响CPU功耗的因素分析 | 第35-36页 |
| 5.1.3 模型匹配库的建立 | 第36页 |
| 5.1.4 匹配过程及匹配结果 | 第36-37页 |
| 5.2 家庭智能用电器 | 第37-39页 |
| 5.2.1 智能家用电器分类 | 第37-38页 |
| 5.2.2 Android系统的SNMP | 第38-39页 |
| 5.2.3 Android设备估算结果 | 第39页 |
| 5.3 本章小结 | 第39-41页 |
| 第6章 结论与展望 | 第41-42页 |
| 参考文献 | 第42-47页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第47-48页 |
| 致谢 | 第48页 |