| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 数据挖掘技术的现状 | 第10-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 第二章 数据挖掘技术及太阳电池相关理论知识 | 第15-23页 |
| 2.1 数据挖掘技术简介 | 第15-18页 |
| 2.1.1 数据挖掘的任务 | 第15-16页 |
| 2.1.2 数据挖掘对象与流程 | 第16页 |
| 2.1.3 数据挖掘的主要方法 | 第16-17页 |
| 2.1.4 评价数据挖掘软件需要考虑的问题 | 第17-18页 |
| 2.2 传统的硅太阳电池的等效电路分析 | 第18页 |
| 2.3 染料敏化太阳电池的等效电路分析 | 第18-20页 |
| 2.4 本文诊断的电学参数物理意义 | 第20-23页 |
| 第三章 太阳电池等效电路参数估算的实现 | 第23-31页 |
| 3.1 参数估算及现状 | 第23页 |
| 3.2 使用第三方软件 1stOpt 进行参数估算 | 第23-26页 |
| 3.2.1 1stOpt 软件特点 | 第23-24页 |
| 3.2.2 使用 1stOpt 进行参数估算的过程 | 第24-26页 |
| 3.3 基于 Matlab 平台实现参数估算 | 第26-28页 |
| 3.3.1 Matlab 简介 | 第26-27页 |
| 3.3.2 用 Matlab 估算等效电路中参数 | 第27页 |
| 3.3.3 参数估算步骤 | 第27-28页 |
| 3.4 估算方法的选取 | 第28-31页 |
| 第四章 太阳电池性能参数预测的实现 | 第31-37页 |
| 4.1 预测方法的选择 | 第31-32页 |
| 4.2 BP 神经网络基本结构 | 第32-33页 |
| 4.3 BP 神经网络模型建立 | 第33页 |
| 4.4 BP 神经网络的计算过程 | 第33-35页 |
| 4.5 太阳电池相关参数预测程序 | 第35-37页 |
| 第五章 预测程序分析及可视化实现 | 第37-55页 |
| 5.1 太阳电池开路电压，短路电流预测分析 | 第37-43页 |
| 5.2 应用程序的混合编写 | 第43页 |
| 5.3 Visual C | 第43-55页 |
| 5.3.1 C | 第43-45页 |
| 5.3.2 可视化软件的开发应用 | 第45-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间所取得的相关科研成果 | 第61-63页 |
| 致谢 | 第63-65页 |
| 附录 | 第65-70页 |