基于粒子群算法的供热负荷组合预测
摘要 | 第1-5页 |
ABSTRACT | 第5-7页 |
创新点摘要 | 第7-10页 |
前言 | 第10-13页 |
一、课题背景及研究意义 | 第10-11页 |
二、国内外供热系统热负荷预测研究现状 | 第11-12页 |
三、本文主要工作 | 第12-13页 |
第一章 供热负荷预测技术 | 第13-18页 |
·供热负荷预测分类 | 第13页 |
·供热负荷预测步骤 | 第13-14页 |
·供热负荷预测典型方法 | 第14-17页 |
·组合预测方法 | 第17页 |
·本章小结 | 第17-18页 |
第二章 基于时间序列法的供热负荷预测 | 第18-29页 |
·时间序列预测方法概述 | 第18页 |
·ARMA 模型的建模原理 | 第18-26页 |
·平稳性检验 | 第19-21页 |
·平稳化处理 | 第21页 |
·模型参数估计 | 第21-23页 |
·模型定阶方法 | 第23-26页 |
·ARMA 建模流程 | 第26页 |
·基于ARMA 的供热负荷预测 | 第26-28页 |
·本章小结 | 第28-29页 |
第三章 基于最小二乘法的供热负荷预测 | 第29-39页 |
·最小二乘法原理 | 第29-30页 |
·基于最小二乘法的供回水温度关系模型的建立 | 第30-37页 |
·供热系统运行调节参数间的关系 | 第30-33页 |
·基于最小二乘法的建模方法 | 第33-35页 |
·模型的参数估计 | 第35-37页 |
·基于最小二乘法的供热负荷预测 | 第37-38页 |
·本章小结 | 第38-39页 |
第四章 基于RBF 神经网络的供热负荷预测 | 第39-47页 |
·RBF 神经网络理论原理 | 第39-42页 |
·RBF 神经网络的模型结构及工作原理 | 第39-40页 |
·RBF 网络学习算法 | 第40-42页 |
·基于RBF 神经网络的供热负荷预测模型的建立 | 第42-45页 |
·网络结构设计 | 第42-43页 |
·样本数据的选择和数据的预处理 | 第43-45页 |
·基于RBF 神经网络供热负荷预测 | 第45-46页 |
·本章小结 | 第46-47页 |
第五章 粒子群算法及其改进 | 第47-61页 |
·粒子群算法 | 第47-50页 |
·粒子群算法简介 | 第47-48页 |
·标准粒子群算法描述 | 第48-49页 |
·粒子群算法的研究方向 | 第49页 |
·粒子群算法与其它进化算法的比较 | 第49-50页 |
·粒子群算法的理论分析 | 第50-54页 |
·粒子群算法改进 | 第54-60页 |
·粒子群算法改进研究现状 | 第54-55页 |
·改进粒子群算法的实现 | 第55-59页 |
·粒子群算法改进描述 | 第59-60页 |
·本章小结 | 第60-61页 |
第六章 基于改进粒子群算法的供热负荷组合预测 | 第61-69页 |
·组合预测模型原理 | 第61-64页 |
·组合预测模型概述 | 第61页 |
·单项预测模型的选择 | 第61-62页 |
·组合预测模型权重的确定 | 第62-64页 |
·基于粒子群算法的供热负荷组合预测模型 | 第64-67页 |
·基于粒子群算法的供热负荷预测 | 第67-68页 |
·预测结果评价 | 第68页 |
·本章小结 | 第68-69页 |
结论 | 第69-70页 |
参考文献 | 第70-73页 |
发表文章目录 | 第73-74页 |
致谢 | 第74-75页 |
详细摘要 | 第75-80页 |