基于人工神经网络的热负荷预测及蓄热式电锅炉系统运行优化
| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 符号表 | 第7-10页 |
| 1 绪论 | 第10-17页 |
| 1．1 蓄热式电锅炉装置的意义和发展现状 | 第10-15页 |
| 1．1．1 发展背景 | 第10-12页 |
| 1．1．2 系统装置简介 | 第12-14页 |
| 1．1．3 现状 | 第14-15页 |
| 1．2 预测和优化运行 | 第15页 |
| 1．3 方法和实现 | 第15-16页 |
| 1．4 本文的研究内容 | 第16-17页 |
| 2 人工神经网络 | 第17-25页 |
| 2．1 起源与发展 | 第17页 |
| 2．2 原理与特性 | 第17-19页 |
| 2．2．1 原理 | 第17-18页 |
| 2．2．2 特性 | 第18-19页 |
| 2．3 应用 | 第19页 |
| 2．4 模型与网络结构 | 第19-22页 |
| 2．4．1 神经元模型及其特性 | 第19-21页 |
| 2．4．2 网络的基本结构 | 第21-22页 |
| 2．4．3 主要学习算法 | 第22页 |
| 2．5 BP网络模型及其算法 | 第22-24页 |
| 2．5．1 标准模型及算法介绍 | 第22-24页 |
| 2．5．2 BP算法的改进 | 第24页 |
| 2．6 本章小结 | 第24-25页 |
| 3 负荷预测 | 第25-33页 |
| 3．1 简介 | 第25-28页 |
| 3．1．1 基本原理及分类 | 第25页 |
| 3．1．2 步骤 | 第25-26页 |
| 3．1．3 方法和技术 | 第26-28页 |
| 3．2 神经网络预测 | 第28-31页 |
| 3．2．1 预测模型 | 第28页 |
| 3．2．2 网络结构实现 | 第28-30页 |
| 3．2．3 实际问题处理 | 第30-31页 |
| 3．3 预测流程 | 第31-32页 |
| 3．4 本章小结 | 第32-33页 |
| 4 优化运行算法研究 | 第33-41页 |
| 4．1 原理简介 | 第33-36页 |
| 4．2 优化模型 | 第36页 |
| 4．2．1 基本假设 | 第36页 |
| 4．2．2 状态转移方程 | 第36页 |
| 4．3 算法设计 | 第36-40页 |
| 4．3．1 问题规范化 | 第37页 |
| 4．3．2 原理简述及求解 | 第37-40页 |
| 4．4 本章小结 | 第40-41页 |
| 5 算法实现 | 第41-54页 |
| 5．1 编程工具介绍 | 第41-42页 |
| 5．1．1 Visual Basic | 第41页 |
| 5．1．2 Access | 第41页 |
| 5．1．3 MATLAB | 第41-42页 |
| 5．2 MATLAB与ActiveX集成 | 第42-46页 |
| 5．2．1 ActiveX概述 | 第42-43页 |
| 5．2．2 集成 | 第43-44页 |
| 5．2．3 调用方法及程序实例 | 第44-46页 |
| 5．3 功能要求分析 | 第46-47页 |
| 5．4 数据库文档 | 第47-50页 |
| 5．5 结果及分析 | 第50-52页 |
| 5．5．1 预测结果 | 第50-51页 |
| 5．5．2 优化结果 | 第51-52页 |
| 5．6 应用举例 | 第52-54页 |
| 6 结论 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附：作者在攻读硕士学位期间发表的论文目录 | 第59页 |
