| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外燃气负荷预测研究现状 | 第11-12页 |
| 1.2.1 国外研究现状 | 第11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 技术路线 | 第13-14页 |
| 1.5 研究成果 | 第14-15页 |
| 第二章 燃气负荷影响因素及预测方法分析 | 第15-24页 |
| 2.1 燃气负荷预测影响因素分析 | 第15-20页 |
| 2.1.1 中长期负荷影响因素 | 第15-16页 |
| 2.1.2 短期负荷影响因素 | 第16-20页 |
| 2.2 燃气负荷预测方法分析 | 第20-23页 |
| 2.2.1 时间序列法 | 第20-21页 |
| 2.2.2 灰色预测法 | 第21页 |
| 2.2.3 人工神经网络 | 第21页 |
| 2.2.4 支持向量机 | 第21页 |
| 2.2.5 组合预测法 | 第21-22页 |
| 2.2.6 预测方法比选 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 燃气负荷预测模型研究 | 第24-41页 |
| 3.1 灰色预测模型 | 第24-28页 |
| 3.1.1 GM(1,1)模型建模原理 | 第24-27页 |
| 3.1.2 GM(1,1)模型局限性 | 第27-28页 |
| 3.1.3 GM(1,1)优化模型 | 第28页 |
| 3.2 人工神经网络预测模型 | 第28-34页 |
| 3.2.1 BP神经网络模型建模原理 | 第29-32页 |
| 3.2.2 BP神经网络模型局限性 | 第32-33页 |
| 3.2.3 BP神经网络优化模型 | 第33-34页 |
| 3.3 PCA主成分分析法 | 第34-36页 |
| 3.3.1 主成分分析原理 | 第34-36页 |
| 3.4 PCA-GM-BPNN组合预测模型 | 第36-39页 |
| 3.4.1 PCA-GM-BPNN组合模型预测原理 | 第38-39页 |
| 3.5 燃气负荷预测误差评价体系 | 第39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 燃气负荷预测模型求解分析 | 第41-72页 |
| 4.1 中长期负荷预测模型求解分析 | 第41-48页 |
| 4.1.1 GM(1,1)预测模型 | 第42页 |
| 4.1.2 GM(1,1)优化预测模型 | 第42-43页 |
| 4.1.3 BP神经网络预测模型 | 第43-44页 |
| 4.1.4 BP神经网络优化预测模型 | 第44-46页 |
| 4.1.5 PCA-GM-BPNN组合预测模型 | 第46-47页 |
| 4.1.6 预测结果对比分析 | 第47-48页 |
| 4.2 短期负荷预测模型求解分析 | 第48-71页 |
| 4.2.1 GM(1,1)预测模型 | 第50-54页 |
| 4.2.2 GM(1,1)优化预测模型 | 第54-57页 |
| 4.2.3 BP神经网络预测模型 | 第57-61页 |
| 4.2.4 BP神经网络优化预测模型 | 第61-64页 |
| 4.2.5 PCA-GM-BPNN组合预测模型 | 第64-69页 |
| 4.2.6 预测结果对比分析 | 第69-71页 |
| 4.3 本章小结 | 第71-72页 |
| 第五章 燃气负荷预测软件开发 | 第72-77页 |
| 5.1 软件概述 | 第72-73页 |
| 5.1.1 软件需求分析 | 第72-73页 |
| 5.1.2 软件开发目标 | 第73页 |
| 5.2 软件结构设计 | 第73页 |
| 5.3 软件功能 | 第73-74页 |
| 5.3.1 灰色预测模型参数 | 第73-74页 |
| 5.3.2 BP神经网络预测模型参数 | 第74页 |
| 5.4 实例演示 | 第74-76页 |
| 5.4.1 灰色预测模型 | 第74-75页 |
| 5.4.2 BP神经网络预测模型 | 第75-76页 |
| 5.5 本章小结 | 第76-77页 |
| 第六章 结论及建议 | 第77-79页 |
| 6.1 结论 | 第77页 |
| 6.2 建议 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 攻读学位期间参加科研情况及获得的学术成果 | 第83页 |