| 1 绪论 | 第1-19页 |
| ·集中供热系统供热负荷预测的意义及必要性 | 第8-10页 |
| ·供热负荷预测的分类 | 第10-11页 |
| ·目前供热负荷预测研究现状 | 第11-16页 |
| ·各种供热负荷预测方法 | 第11-13页 |
| ·现有预测方法的分析和存在的问题 | 第13-16页 |
| ·本文的主要工作内容 | 第16-19页 |
| 2 供热负荷预测神经网络模型及算法 | 第19-32页 |
| ·人工神经网络模型 | 第19-21页 |
| ·人工神经元模型 | 第19页 |
| ·神经网络模型分类 | 第19-20页 |
| ·神经网络模型结构 | 第20页 |
| ·神经网络的特点 | 第20-21页 |
| ·多层前馈网络与BP 学习算法 | 第21-27页 |
| ·网络结构 | 第21页 |
| ·反向传播学习算法 | 第21-27页 |
| ·BP 神经网络存在的问题 | 第27-32页 |
| ·网络结构的设计问题 | 第28-29页 |
| ·BP 学习算法的缺陷 | 第29-30页 |
| ·BP 算法的改进措施 | 第30-32页 |
| 3 遗传算法及其与神经网络的结合 | 第32-45页 |
| ·遗传算法的基本原理 | 第32-36页 |
| ·遗传算法的应用 | 第36-37页 |
| ·GA 求解问题的步骤 | 第37-38页 |
| ·神经网络与遗传算法的结合 | 第38-44页 |
| ·神经网络与遗传算法结合必要性 | 第38-39页 |
| ·BP 网络结构的GA 进化方法 | 第39-40页 |
| ·网络连接权值的GA 进化方法 | 第40-41页 |
| ·自适应遗传算法 | 第41-44页 |
| ·遗传算法和BP 算法的融合 | 第44-45页 |
| 4 算法实现及供热负荷预测实例 | 第45-63页 |
| ·集中供热负荷预测模型的算法实现 | 第45-55页 |
| ·基于自适应遗传人工神经网络供热负荷预测的基本步骤 | 第45-46页 |
| ·历史负荷数据及输入、输出参数的预处理 | 第46-48页 |
| ·供热负荷预测神经网络结构的GA 优化 | 第48-51页 |
| ·供热负荷预测神经网络连接权的GA 优化 | 第51-54页 |
| ·网络权值的GA-BP 融合算法训练 | 第54-55页 |
| ·集中供热负荷预测实例 | 第55-63页 |
| 5 集中供热系统神经网络控制方案 | 第63-70页 |
| ·神经网络用于集中供热系统控制的必要性 | 第63-64页 |
| ·集中供热系统神经网络控制方案研究 | 第64-66页 |
| ·集中供热系统神经网络控制模型的构造 | 第66-70页 |
| ·控制方案的确定 | 第66-67页 |
| ·控制方案的具体实施 | 第67-68页 |
| ·仿真算例分析 | 第68-70页 |
| 6 总结与展望 | 第70-72页 |
| 攻读学位期间发表的论文 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-76页 |