| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 课题的来源、背景及意义 | 第7页 |
| 1.1.1 课题来源 | 第7页 |
| 1.1.2 研究背景及意义 | 第7页 |
| 1.2 给水泵站优化调度的研究现状 | 第7-10页 |
| 1.2.1 用水量预测的研究现状 | 第8-9页 |
| 1.2.2 给水泵站优化调度的研究现状 | 第9-10页 |
| 1.3 课题研究内容及技术路线 | 第10-13页 |
| 1.3.1 课题主要研究内容 | 第10-11页 |
| 1.3.2 技术路线 | 第11-13页 |
| 第2章 ARMA模型与遗传算法优化的BP神经网络模型 | 第13-27页 |
| 2.1 BP神经网络 | 第13-16页 |
| 2.1.1 BP神经网络概述 | 第13-16页 |
| 2.1.2 BP神经网络的局限性 | 第16页 |
| 2.2 遗传算法优化BP神经网络 | 第16-21页 |
| 2.2.1 遗传算法概述 | 第16-17页 |
| 2.2.2 遗传算法的求解过程 | 第17-20页 |
| 2.2.3 遗传算法优化BP神经网络 | 第20-21页 |
| 2.3 ARMA模型建立的理论及依据 | 第21-26页 |
| 2.3.1 ARMA模型的基本形式 | 第21-22页 |
| 2.3.2 ARMA模型建立的基本过程 | 第22-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 用水量变化规律分析 | 第27-37页 |
| 3.1 供水概况 | 第27页 |
| 3.2 J市用水规律分析 | 第27-36页 |
| 3.2.1 影响用水量的因素 | 第27-28页 |
| 3.2.2 节假日对用水量的影响 | 第28-30页 |
| 3.2.3 季节对用水量的影响 | 第30-32页 |
| 3.2.4 时用水量变化规律分析 | 第32-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第4章 城市用水量的预测 | 第37-51页 |
| 4.1 城市用水量预测的理论基础 | 第37-39页 |
| 4.1.1 城市用水量的研究思路 | 第37页 |
| 4.1.2 基于IOWGA算子的组合预测方法 | 第37-39页 |
| 4.2 用水量预测模型的建立 | 第39-50页 |
| 4.2.1 ARMA预测模型及实例预测 | 第39-46页 |
| 4.2.2 遗传算法优化BP神经网络预测模型及实例 | 第46-48页 |
| 4.2.3 组合预测 | 第48-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第5章 水泵的优化运行 | 第51-71页 |
| 5.1 给水泵站的优化运行 | 第51-54页 |
| 5.1.1 水泵的选型 | 第51页 |
| 5.1.2 水泵的节能运行 | 第51-52页 |
| 5.1.3 经济分析 | 第52-54页 |
| 5.2 给水泵站优化调度数学模型及求解 | 第54-58页 |
| 5.2.1 水泵性能曲线 | 第54-56页 |
| 5.2.2 泵站优化调度的数学模型 | 第56页 |
| 5.2.3 优化调度模型的求解 | 第56-58页 |
| 5.3 工程实例 | 第58-68页 |
| 5.3.1 工程概况 | 第58-59页 |
| 5.3.2 给水泵站实际运行工况 | 第59-62页 |
| 5.3.3 给水泵站的改造 | 第62-65页 |
| 5.3.4 经济评价 | 第65-68页 |
| 5.4 本章小结 | 第68-71页 |
| 第6章 结论与建议 | 第71-73页 |
| 6.1 研究成果 | 第71-72页 |
| 6.2 主要创新点 | 第72页 |
| 6.3 研究中的不足与建议 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 发表论文和科研情况说明 | 第77-79页 |
| 致谢 | 第79页 |