| 中文摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 第一章 引言 | 第13-25页 |
| ·选题背景及研究意义 | 第13-14页 |
| ·电力需求预测理论研究现状综述 | 第14-18页 |
| ·短期预测研究综述 | 第14-17页 |
| ·中长期预测研究综述 | 第17-18页 |
| ·知识发现理论及应用研究现状 | 第18-22页 |
| ·知识发现研究的内容和方法 | 第18-20页 |
| ·知识发现理论在电力需求预测领域的应用研究现 | 第20-22页 |
| ·本文研究的目标、方法与主要内容 | 第22-25页 |
| ·本文研究的目标与方法 | 第22-23页 |
| ·本文拟解决的关键问题 | 第23页 |
| ·本文的内容安排 | 第23-25页 |
| 第二章 电力需求复合预测的概念 | 第25-36页 |
| ·电力需求预测的层次与分类 | 第25-27页 |
| ·相关分析理论 | 第27-30页 |
| ·线性相关分析 | 第27-28页 |
| ·偏相关分析 | 第28-29页 |
| ·相关分析在多元回归建模中的应用 | 第29-30页 |
| ·三指标量和复合预测的概念 | 第30-35页 |
| ·三指标量的理论基础分析 | 第30-34页 |
| ·复合预测 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第三章 基于灰色关联分析的影响因素筛选 | 第36-46页 |
| ·引言 | 第36页 |
| ·灰关联空间 | 第36-38页 |
| ·邓氏关联度和综合关联度 | 第38-40页 |
| ·灰色关联分析 | 第40-42页 |
| ·实例分析 | 第42-45页 |
| ·小结 | 第45-46页 |
| 第四章 基于三指标量的电量复合预测综合模型 | 第46-64页 |
| ·引言 | 第46页 |
| ·基于层次分析法的模型评价方法 | 第46-51页 |
| ·层次分析法 | 第46-47页 |
| ·构建预测模型的层次分析法评价模型 | 第47-51页 |
| ·评价模型的结构 | 第47-48页 |
| ·目标层对准则层权重向量的确定方法 | 第48-49页 |
| ·准则层中各准则对方案层权重向量的确定方法 | 第49-51页 |
| ·评价模型的合成权重向量 | 第51页 |
| ·判断矩阵的一致性检验 | 第51页 |
| ·三指标量预测结果的拟合方法 | 第51-56页 |
| ·基于预测有效度的拟合方法 | 第52-54页 |
| ·预测有效度的定义 | 第52-53页 |
| ·最优组合权系数的求取 | 第53-54页 |
| ·基于径向基神经网络的拟合方法 | 第54-56页 |
| ·径向基神经网络模型结构 | 第54-55页 |
| ·径向基神经网络的拟合模型 | 第55-56页 |
| ·径向基神经网络的训练 | 第56页 |
| ·实例分析 | 第56-63页 |
| ·层次分析法评价模型的实现 | 第57-59页 |
| ·三指标量预测结果拟合 | 第59-62页 |
| ·基于预测有效度的拟合 | 第59-61页 |
| ·基于径向基神经网络的拟合 | 第61-62页 |
| ·与其它模型的对比分析 | 第62-63页 |
| ·小结 | 第63-64页 |
| 第五章 基于综合数据挖掘的短期负荷预测 | 第64-93页 |
| ·引言 | 第64-65页 |
| ·粗糙集理论 | 第65-70页 |
| ·粗糙集的知识和不可分辨关系 | 第65-66页 |
| ·粗糙集的下近似、上近似、边界和粗糙隶属函数 | 第66-68页 |
| ·决策表的约简与核 | 第68-69页 |
| ·判别矩阵和判别函数 | 第69-70页 |
| ·基于属性重要度的启发式决策表属性约简 | 第70-74页 |
| ·决策表离散化 | 第70页 |
| ·属性相对约简和属性重要度 | 第70-71页 |
| ·启发式属性约简算法 | 第71-74页 |
| ·模糊聚类分析 | 第74-78页 |
| ·聚类结果的表示 | 第74页 |
| ·模糊 C-均值聚类方法 | 第74-75页 |
| ·C-均值聚类方法 | 第74-75页 |
| ·模糊 C-均值聚类方法 | 第75页 |
| ·模糊 C-均值聚类算法的改进 | 第75-76页 |
| ·模糊 C-均值聚类中m 值的选取 | 第76-77页 |
| ·模糊聚类评价指标 | 第77-78页 |
| ·负荷预测的BP 神经网络模型 | 第78-82页 |
| ·BP 神经网络结构 | 第78-80页 |
| ·Levenberg-Marquardt BP 神经网络学习算法 | 第80-82页 |
| ·BP 神经网络的能量函数 | 第82页 |
| ·基于综合数据挖掘的短期负荷预测模型 | 第82-92页 |
| ·构建决策表及约简 | 第82-85页 |
| ·条件属性表 | 第82-84页 |
| ·决策属性表 | 第84-85页 |
| ·决策表的约简 | 第85页 |
| ·模糊 C-均值聚类分析 | 第85-89页 |
| ·归一化处理 | 第86页 |
| ·聚类结果分析 | 第86-87页 |
| ·求取类中心 | 第87-89页 |
| ·BP 神经网络预测模型 | 第89页 |
| ·预测结果对比分析 | 第89-92页 |
| ·小结 | 第92-93页 |
| 第六章 协同知识发现在电力需求预测中的应用研究初探 | 第93-105页 |
| ·基于双库协同机制的知识发现机理 | 第93-96页 |
| ·知识发现面临的挑战及双库协同机制的意义 | 第93-94页 |
| ·双库协同机制内涵 | 第94-95页 |
| ·基于双库协同机制的知识发现过程 | 第95-96页 |
| ·知识的感兴趣度 | 第96-98页 |
| ·专家经验与知识 | 第98-99页 |
| ·数据驱动知识和用户驱动知识 | 第98-99页 |
| ·两类知识的融合 | 第99页 |
| ·协同知识发现在电力需求预测中的应用 | 第99-101页 |
| ·协同知识发现逻辑结构模型 | 第99-100页 |
| ·协同知识发现实现的功能 | 第100-101页 |
| ·实例分析 | 第101-104页 |
| ·实例1 | 第101-103页 |
| ·实例2 | 第103-104页 |
| ·小结 | 第104-105页 |
| 第七章 电力需求预测系统开发应用实例 | 第105-113页 |
| ·项目背景 | 第105页 |
| ·系统实现的主要功能 | 第105-110页 |
| ·项目内容 | 第105-106页 |
| ·系统总体架构设计 | 第106-107页 |
| ·各分模块技术原理 | 第107-110页 |
| ·预测模型库 | 第107-108页 |
| ·经典模型预测模块 | 第108-109页 |
| ·综合分析预测模块 | 第109-110页 |
| ·系统的运行情况 | 第110-112页 |
| ·系统的总体评价 | 第112页 |
| ·系统主要的创新点 | 第112-113页 |
| 第八章 结论与展望 | 第113-116页 |
| 参考文献 | 第116-123页 |
| 致谢 | 第123-124页 |
| 个人简历、在学期间参加的科研工作及学术论文发表 | 第124-125页 |