| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题研究背景和意义 | 第9-11页 |
| ·课题研究背景 | 第9-10页 |
| ·课题的研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第二章 负荷预测的常用方法 | 第14-23页 |
| ·时间序列 | 第14-15页 |
| ·回归分析 | 第15-16页 |
| ·支持向量机 | 第16-19页 |
| ·BP神经网络 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 动态模糊神经网络及相似日的理论知识 | 第23-42页 |
| ·模糊系统理论 | 第23-26页 |
| ·模糊集 | 第23-24页 |
| ·模糊规则 | 第24-25页 |
| ·模糊逻辑推理 | 第25-26页 |
| ·动态模糊神经网络的结构 | 第26-28页 |
| ·动态模糊神经网络算法 | 第28-37页 |
| ·模糊规则产生准则 | 第28-29页 |
| ·分级学习 | 第29-30页 |
| ·前提参数调整 | 第30-31页 |
| ·权值参数的确定 | 第31-33页 |
| ·模糊规则的修剪 | 第33-37页 |
| ·相似日法 | 第37-41页 |
| ·相似日法的介绍 | 第37-39页 |
| ·相似日的量化 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于动态模糊神经网络的短期负荷预测 | 第42-50页 |
| ·基于动态模糊神经网络的短期电力负荷预测流程 | 第42页 |
| ·数据的分析 | 第42-45页 |
| ·动态模糊神经网络模型设计 | 第45-46页 |
| ·输入输出数据的选取及预处理 | 第45页 |
| ·动态模糊神经网络参数设置 | 第45-46页 |
| ·动态模糊神经网络模型的建立及负荷的预测 | 第46-48页 |
| ·模型的建立 | 第46-47页 |
| ·负荷的预测 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 基于相似日和动态模糊神经网络的短期负荷预测 | 第50-59页 |
| ·基于相似日和动态模糊神经网络的短期电力负荷预测流程 | 第50-51页 |
| ·相似日及输入节点的选取 | 第51-52页 |
| ·动态模糊神经网络参数设置 | 第52页 |
| ·相似日和动态模糊神经网络模型的建立及负荷的预测 | 第52-58页 |
| ·模型的建立 | 第52-55页 |
| ·负荷的预测 | 第55-58页 |
| ·本章小节 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·本文总结 | 第59页 |
| ·研究展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间发表论文 | 第64-65页 |