首页--工业技术论文--建筑科学论文--地下建筑论文--市政工程论文--城市集中供热论文

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

论文共80页,点击 下载论文
上一篇:预应力LNG储罐张拉工艺研究
下一篇:多热源联网供热运行调节技术研究