| 中文摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 中文文摘 | 第5-10页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 选题研究背景及其意义 | 第10-11页 |
| 1.2 国内外校园建筑节能建设发展情况 | 第11-12页 |
| 1.3 选题研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 第2章 校园建筑能耗智控平台概述 | 第14-28页 |
| 2.1 校园建筑能耗特点 | 第14-16页 |
| 2.2 校园建筑能耗智控平台需求分析 | 第16-18页 |
| 2.3 校园建筑能耗智控平台建设规划 | 第18-20页 |
| 2.3.1 平台总体部署架构 | 第18-19页 |
| 2.3.2 平台总体业务架构 | 第19-20页 |
| 2.4 校园建筑能耗智控平台搭建关键技术 | 第20-23页 |
| 2.4.1 物联网技术 | 第21页 |
| 2.4.2 云计算技术 | 第21-22页 |
| 2.4.3 SOA | 第22-23页 |
| 2.5 校园建筑能耗智控平台功能分析与设计 | 第23-26页 |
| 2.6 本章小结 | 第26-28页 |
| 第3章 校园建筑能耗资源评价指标说明 | 第28-34页 |
| 3.1 校园建筑能耗水平与资源用量总体统计指标 | 第28-31页 |
| 3.1.1 校园建筑电耗统计指标 | 第29-30页 |
| 3.1.2 校园建筑水耗统计指标 | 第30-31页 |
| 3.2 校园建筑能耗水平与资源用量总体评价指标 | 第31-32页 |
| 3.3 校园建筑能耗资源节能评价指标 | 第32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 校园建筑能耗资源评价指标相关数据采集处理与存储 | 第34-44页 |
| 4.1 相关数据采集 | 第34-37页 |
| 4.2 相关数据处理 | 第37-41页 |
| 4.3 相关数据统计与存储 | 第41-42页 |
| 4.4 本章小结 | 第42-44页 |
| 第5章 校园建筑能耗统计指标预测研究 | 第44-58页 |
| 5.1 人工神经网络理论 | 第44-47页 |
| 5.2 遗传算法相关理论 | 第47-49页 |
| 5.3 基于遗传算法优化的BP神经网络的建筑能耗统计指标预测 | 第49-56页 |
| 5.3.1 影响因素确定 | 第51页 |
| 5.3.2 预测模型建立 | 第51-52页 |
| 5.3.3 预测模型实现 | 第52-56页 |
| 5.4 本章小结 | 第56-58页 |
| 第6章 校园建筑能耗资源评价指标及统计指标预测的应用 | 第58-70页 |
| 6.1 校园建筑能耗资源相关指标应用 | 第58-64页 |
| 6.1.1 水管网平衡分析应用 | 第58-59页 |
| 6.1.2 电网平衡分析应用 | 第59-60页 |
| 6.1.3 校园建筑能耗资源评价指标应用 | 第60-64页 |
| 6.2 校园建筑能耗统计指标预测模型测试与应用 | 第64-68页 |
| 6.2.1 预测模型实验测试 | 第64-67页 |
| 6.2.2 预测模型应用 | 第67-68页 |
| 6.3 本章小结 | 第68-70页 |
| 第7章 总结与展望 | 第70-72页 |
| 7.1 总结 | 第70页 |
| 7.2 展望 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 攻读学位期间承担的科研任务与主要成果 | 第78-80页 |
| 致谢 | 第80-82页 |
| 个人简历 | 第82-84页 |
