| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·早期的预测方法 | 第11-12页 |
| ·基于人工智能的预测方法 | 第12-15页 |
| ·国内外相关领域研究 | 第15-16页 |
| ·论文主要工作和组织结构 | 第16-18页 |
| 第2章 全电力推进船舶短期电力负荷预测研究 | 第18-31页 |
| ·全电力推进船舶短期电力负荷预测概述 | 第18-22页 |
| ·全电力推进船舶电力系统 | 第18-19页 |
| ·全电力推进船舶电力负荷 | 第19-20页 |
| ·全电力推进船舶短期电力负荷预测 | 第20-22页 |
| ·SVM 回归算法 | 第22-27页 |
| ·线性分类器分类 | 第22-23页 |
| ·统计学理论概述 | 第23-25页 |
| ·SVM 回归算法 | 第25-27页 |
| ·蚁群算法概述 | 第27-30页 |
| ·蚁群算法原理 | 第27-29页 |
| ·基本蚁群算法实现 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 ACA-LS-SVM 船舶短期电力负荷预测算法研究 | 第31-45页 |
| ·SVM 电力负荷预测 | 第31-33页 |
| ·核函数的选取 | 第31-32页 |
| ·SVM 预测模型 | 第32-33页 |
| ·LS-SVM 电力负荷预测 | 第33-38页 |
| ·LS-SVM 算法 | 第33-35页 |
| ·LS-SVM 参数 | 第35-37页 |
| ·LS-SVM 进行负荷预测的优点 | 第37-38页 |
| ·LS-SVM 参数优化算法研究 | 第38-44页 |
| ·基本的LS-SVM 参数算法 | 第38-41页 |
| ·ACA-LS-SVM 参数优化算法 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 全电力推进船舶短期电力负荷预测仿真 | 第45-59页 |
| ·数据预处理 | 第45-49页 |
| ·目标船概述 | 第45-46页 |
| ·历史数据收集与分析 | 第46-47页 |
| ·历史数据的预处理 | 第47-49页 |
| ·仿真实验 | 第49-54页 |
| ·数据集的构建 | 第49-51页 |
| ·预测初始化 | 第51页 |
| ·ACA-LS-SVM 船舶短期电力负荷预测 | 第51-53页 |
| ·预测结果 | 第53-54页 |
| ·预测结果分析 | 第54-57页 |
| ·预测误差评价方法 | 第54-55页 |
| ·预测结果分析 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |