| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第12-23页 |
| 1.1 选题背景和意义 | 第12-13页 |
| 1.2 国内外短期负荷预测研究现状 | 第13-22页 |
| 1.2.1 电力负荷预测的起源 | 第13-14页 |
| 1.2.2 国内外短期负荷研究现状 | 第14-20页 |
| 1.2.3 随机森林回归算法在负荷预测中的研究现状 | 第20-22页 |
| 1.3 论文的主要工作与篇章结构 | 第22-23页 |
| 2 短期负荷预测理论综合分析 | 第23-36页 |
| 2.1 电力负荷与预测的分类 | 第23-25页 |
| 2.1.1 电力负荷的分类 | 第23-24页 |
| 2.1.2 电力负荷预测的分类 | 第24-25页 |
| 2.2 电力负荷的影响因素与特点 | 第25-31页 |
| 2.2.1 电力负荷的特点 | 第25-29页 |
| 2.2.2 电力负荷影响因素 | 第29-31页 |
| 2.3 短期负荷预测的原则与特点 | 第31-34页 |
| 2.3.1 短期负荷预测的基本原则 | 第31-32页 |
| 2.3.2 短期负荷预测的特点 | 第32-34页 |
| 2.4 短期负荷预测流程 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 3 随机森林回归预测模型分析 | 第36-50页 |
| 3.1 随机森林算法的起源与发展 | 第36-38页 |
| 3.2 随机森林回归预测模型的建立 | 第38-44页 |
| 3.2.1 随机森林回归算法基本理论 | 第38-39页 |
| 3.2.2 决策树和森林的形成 | 第39-41页 |
| 3.2.3 随机森林回归理论的数学分析 | 第41-42页 |
| 3.2.4 理论误差分析 | 第42-44页 |
| 3.3 数据处理与训练样本特征量的选取 | 第44-48页 |
| 3.3.1 异常数据处理 | 第44-46页 |
| 3.3.2 特征变量重要性分析 | 第46-47页 |
| 3.3.3 样本相关性分析（分析） | 第47页 |
| 3.3.4 本文样本特征量介绍 | 第47-48页 |
| 3.4 基于随机森林回归的负荷预测步骤 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 4 基于随机森林回归算法的短期负荷预测实例分析 | 第50-65页 |
| 4.1 预测结果评判标准 | 第50-51页 |
| 4.2 实例分析 | 第51-61页 |
| 4.2.1 特征变量仅选择属性的结果分析 | 第52-55页 |
| 4.2.2 特征变量选取属性与温度的结果分析 | 第55-58页 |
| 4.2.3 特征变量选取属性、温度和湿度的结果分析 | 第58-61页 |
| 4.3 预测结果分析与归纳 | 第61-62页 |
| 4.4 针对于夏季电力负荷的预测 | 第62-64页 |
| 4.5 本章小结 | 第64-65页 |
| 5 结论与展望 | 第65-67页 |
| 5.1 本文工作总结 | 第65页 |
| 5.2 未来工作展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 附录 | 第71-73页 |
| 表A1：纽约州各辖区电力负荷数据 | 第71-72页 |
| 表A2：纽约市气象数据表 | 第72-73页 |
| 个人简历、在学校期间发表的学术论文与研究成果 | 第73页 |