| 中文摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-19页 |
| ·课题的背景及意义 | 第11-13页 |
| ·课题背景 | 第11页 |
| ·研究的意义 | 第11-13页 |
| ·燃气负荷预测概述 | 第13-17页 |
| ·燃气负荷预测的分类 | 第13页 |
| ·国外研究概述 | 第13-14页 |
| ·国内研究概述 | 第14-15页 |
| ·燃气负荷预测研究的主要方法 | 第15-17页 |
| ·本论文的主要工作 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第二章 燃气负荷影响因素的相关性分析 | 第19-25页 |
| ·相关理论 | 第19页 |
| ·相关分析理论的介绍 | 第19-20页 |
| ·上海燃气负荷及其影响因素变化分析 | 第20-22页 |
| ·影响因素的双相关性分析 | 第22-23页 |
| ·影响因素偏相关分析 | 第23-24页 |
| ·分析结论 | 第24-25页 |
| 第三章 回归分析法和 BP 神经网络模型 | 第25-35页 |
| ·回归分析法 | 第25-28页 |
| ·多元线性回归方程 | 第25-27页 |
| ·最小二乘回归分析的年负荷预测 | 第27-28页 |
| ·人工神经网络 | 第28-34页 |
| ·BP 网络结构和学习规则 | 第28-31页 |
| ·BP 神经网络验证实验 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于改进的遗传算法和带连接开关的神经网络的年负荷预测 | 第35-48页 |
| ·遗传算法 | 第35-40页 |
| ·种群初始化 | 第36-37页 |
| ·评估 | 第37页 |
| ·选择 | 第37-38页 |
| ·遗传操作的运行机制 | 第38-40页 |
| ·用改进的遗传算法调整带有连接开关的神经网络 | 第40-47页 |
| ·带有链接开关的神经网络 | 第40-42页 |
| ·参数和结构的调整 | 第42页 |
| ·改进的遗传算法和带连接开关的神经网络模型的建立 | 第42-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 基于模式搜索-自适应神经模糊推理系统的年负荷预测 | 第48-66页 |
| ·概述 | 第48页 |
| ·自适应神经模糊推理系统（ANFIS） | 第48-54页 |
| ·ANFIS 结构 | 第49-51页 |
| ·ANFIS 原理 | 第51-54页 |
| ·模式搜索算法介绍 | 第54-57页 |
| ·模式搜索算法的内容 | 第55-56页 |
| ·模式搜索算法术语 | 第56页 |
| ·模式搜索算法的停止条件 | 第56-57页 |
| ·年度负荷预测实验及结果对比分析 | 第57-66页 |
| ·ANFIS 模型的构建及预测 | 第57-59页 |
| ·模式搜索-自适应神经模糊推理系统模型的建立 | 第59-64页 |
| ·本章的方法与改进前的 ANFIS 模型的对比分析 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| ·工作总结 | 第66页 |
| ·主要创新点 | 第66-67页 |
| ·展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士期间取得的研究成果 | 第72页 |
