| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.1.1 课题研究背景 | 第11-12页 |
| 1.1.2 课题研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 预测方法选择 | 第13-15页 |
| 1.2.2 其他方面研究 | 第15-16页 |
| 1.3 研究内容与结构安排 | 第16-19页 |
| 第2章 负荷特性分析及预处理 | 第19-30页 |
| 2.1 负荷特性分析 | 第19-20页 |
| 2.1.1 年周期性 | 第19页 |
| 2.1.2 周周期性 | 第19-20页 |
| 2.2 影响因素分析 | 第20-23页 |
| 2.2.1 温度影响 | 第20-21页 |
| 2.2.2 节假日影响 | 第21-22页 |
| 2.2.3 季节影响 | 第22-23页 |
| 2.2.4 影响因素量化分析 | 第23页 |
| 2.3 预处理 | 第23-27页 |
| 2.3.1 缺失数据处理 | 第23-25页 |
| 2.3.2 异常数据的识别与处理 | 第25-26页 |
| 2.3.3 数据标准化 | 第26-27页 |
| 2.4 属性编码 | 第27-29页 |
| 2.4.1 天气状况预处理 | 第27-28页 |
| 2.4.2 日期类型预处理 | 第28页 |
| 2.4.3 节假日类型预处理 | 第28页 |
| 2.4.4 季节类型预处理 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 燃气负荷预测模型介绍与实验仿真 | 第30-49页 |
| 3.1 燃气负荷预测模型 | 第30-39页 |
| 3.1.1 支持向量机 | 第30-33页 |
| 3.1.2 最小二乘支持向量机 | 第33-35页 |
| 3.1.3 BP神经网络 | 第35-37页 |
| 3.1.4 极限学习机 | 第37-39页 |
| 3.2 燃气负荷预测实验准备 | 第39-41页 |
| 3.2.1 燃气负荷预测实验流程 | 第39-40页 |
| 3.2.2 实验数据准备 | 第40页 |
| 3.2.3 误差评价指标 | 第40-41页 |
| 3.3 燃气负荷预测实验仿真 | 第41-48页 |
| 3.3.1 基于支持向量机的燃气负荷预测 | 第41-42页 |
| 3.3.2 基于LSSVM的燃气负荷预测 | 第42-44页 |
| 3.3.3 基于BP神经网络的燃气负荷预测 | 第44-46页 |
| 3.3.4 基于极限学习机的燃气负荷预测 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第4章 改进人工蜂群算法研究 | 第49-64页 |
| 4.1 基本人工蜂群算法的理论基础 | 第49-50页 |
| 4.2 改进算法归纳整理 | 第50-52页 |
| 4.2.1 食物源初始化方法的改进 | 第50页 |
| 4.2.2 搜索策略的改进 | 第50-51页 |
| 4.2.3 侦查蜂更新策略的改进 | 第51页 |
| 4.2.4 适应度函数的优化 | 第51页 |
| 4.2.5 与其他算法结合 | 第51-52页 |
| 4.3 改进人工蜂群算法 | 第52-57页 |
| 4.3.1 雇佣蜂改进策略 | 第52-54页 |
| 4.3.2 基于猫群思想的搜索过程 | 第54-57页 |
| 4.3.3 混合人工蜂群算法 | 第57页 |
| 4.4 实验验证 | 第57-63页 |
| 4.4.1 实验设计 | 第57-62页 |
| 4.4.2 结果分析 | 第62-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 基于模糊C均值聚类和混合人工蜂群算法的燃气负荷预测 | 第64-76页 |
| 5.1 模糊C均值聚类算法介绍与实现 | 第64-69页 |
| 5.1.1 模糊C均值聚类算法 | 第64-65页 |
| 5.1.2 基于模糊C均值聚类算法的燃气负荷预测流程 | 第65-66页 |
| 5.1.3 模糊C均值聚类实现 | 第66-69页 |
| 5.2 基于模糊C均值聚类和混合人工蜂群算法的燃气负荷预测 | 第69-74页 |
| 5.2.1 混合人工蜂群算法优化预测模型参数 | 第69-71页 |
| 5.2.2 基于混合人工蜂群算法和最小二乘支持向量机的燃气负荷预测 | 第71-73页 |
| 5.2.3 基于混合人工蜂群算法和极限学习机的燃气负荷预测 | 第73-74页 |
| 5.3 本章小结 | 第74-76页 |
| 第6章 结论及展望 | 第76-78页 |
| 6.1 结论 | 第76-77页 |
| 6.2 展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读学位期间取得的研究成果 | 第82-83页 |
| 致谢 | 第83页 |
