| 第一章 绪论 | 第1-16页 |
| 1．1 引言 | 第9页 |
| 1．2 人工神经网络的发展状况 | 第9-10页 |
| 1．3 人工神经网络的基本特征及应用 | 第10-12页 |
| 1．3．1 人工神经网络的基本特征 | 第10页 |
| 1．3．2 人工神经网络的的应用 | 第10-12页 |
| 1．4 人工神经网络控制概述 | 第12-13页 |
| 1．5 单神经元的特点 | 第13页 |
| 1．6 多层前向人工神经网络及应用 | 第13-14页 |
| 1．7 本文研究的内容及意义 | 第14-16页 |
| 第二章 单神经元控制 | 第16-24页 |
| 2．1 人工神经元模型 | 第16-17页 |
| 2．2 单神经元智能控制 | 第17-24页 |
| 2．2．1 单神经元智能控制系统及学习策略 | 第17-19页 |
| 2．2．2 单神经元智能控制器设计 | 第19-20页 |
| 2．2．3 单神经元智能控制系统的闭环稳定性 | 第20-24页 |
| 第三章 多温区电加热炉的单神经元控制 | 第24-43页 |
| 3．1 多温区电加热炉介绍 | 第24页 |
| 3．2 基于单神经元的多温区电加热炉智能温控系统 | 第24-27页 |
| 3．2．1 系统概述 | 第24-25页 |
| 3．2．2 系统组成 | 第25-27页 |
| 3．2．3 系统两种控制方式的工作过程 | 第27页 |
| 3．3 单神经元电加热炉智能温控系统的软件实现 | 第27-39页 |
| 3．3．1 单神经元控制器的具体算法 | 第27-28页 |
| 3．3．2 数字控制方式的软件实现 | 第28-33页 |
| 3．3．3 模拟控制方式的软件实现 | 第33-39页 |
| 3．4 单神经元电加热炉智能温控系统的实验结果和总结 | 第39-43页 |
| 3．4．1 实验结果 | 第39-42页 |
| 3．4．2 总结 | 第42-43页 |
| 第四章 多层前向人工神经网络 | 第43-54页 |
| 4．1 多层前向人工神经网络的BP算法及改进方案 | 第43-48页 |
| 4．1．1 多层前向人工神经网络的BP算法 | 第43-47页 |
| 4．1．2 标准BP算法的改进 | 第47-48页 |
| 4．2 多层前向人工神经网络的类型 | 第48-50页 |
| 4．3 几种多层前向人工神经网络的计算过程 | 第50-52页 |
| 4．4 隐层神经元节点数的确定 | 第52-54页 |
| 第五章 多层前向人工神经网络在电力系统短期负荷预测中的应用 | 第54-70页 |
| 5．1 电力系统负荷预测的概念与原理 | 第54-56页 |
| 5．1．1 电力系统负荷预测的概念 | 第54页 |
| 5．1．2 电力系统负荷预测的分类 | 第54-55页 |
| 5．1．3 电力系统负荷预测的基本原理 | 第55-56页 |
| 5．2 电力系统负荷预测的基本程序 | 第56-57页 |
| 5．3 传统的电力系统负荷预测方法 | 第57-58页 |
| 5．4 新型的电力系统负荷预测方法 | 第58-59页 |
| 5．5 相关因素匹配的短期负荷预测方法 | 第59-61页 |
| 5．5．1 负荷预测中的相关因素 | 第59页 |
| 5．5．2 差异度和相似度 | 第59-60页 |
| 5．5．3 特征量映射数据表的设计 | 第60-61页 |
| 5．6 多层前向人工神经网络在短期负荷预测中的应用 | 第61-63页 |
| 5．6．1 时间序列法及相关因素匹配法 | 第61页 |
| 5．6．2 相似日的选取 | 第61-62页 |
| 5．6．3 实现 | 第62-63页 |
| 5．7 应用结果 | 第63-68页 |
| 5．8 结果分析 | 第68-70页 |
| 第六章 结束语 | 第70-71页 |
| 参考文献 | 第71-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文 | 第74页 |
