| 第一章 绪论 | 第1-23页 |
| ·冰蓄冷空调技术的研究背景 | 第9-12页 |
| ·我国发展蓄冷空调的社会背景 | 第9-11页 |
| ·冰蓄冷空调技术的发展与应用现状 | 第11-12页 |
| ·冰蓄冷空调系统的运行与控制 | 第12-16页 |
| ·冰蓄冷空调系统运行策略 | 第12-14页 |
| ·冰蓄冷空调系统控制策略 | 第14-15页 |
| ·对冰蓄冷空调系统实施预测控制 | 第15-16页 |
| ·冰蓄冷空调系统的负荷预测 | 第16-22页 |
| ·蓄冷空调系统负荷特性 | 第16-17页 |
| ·冰蓄冷空调系统负荷预测的必要性 | 第17-18页 |
| ·冰蓄冷空调系统负荷预测的方法及研究现状 | 第18-22页 |
| ·本论文研究工作的主要内容 | 第22-23页 |
| 第二章 冰蓄冷空调系统冷负荷的实验测定 | 第23-35页 |
| ·引言 | 第23-24页 |
| ·系统的主要配置和技术特点 | 第24-27页 |
| ·系统流程及运行模式 | 第27-29页 |
| ·实验测试系统 | 第29-30页 |
| ·实测温度、湿度和负荷数据示例 | 第30-33页 |
| ·本章小结 | 第33-35页 |
| 第三章 人工神经网络BP算法 | 第35-45页 |
| ·引言 | 第35-36页 |
| ·BP神经网络概述 | 第36-42页 |
| ·BP神经网络模型的拓扑结构和数学描述 | 第37-38页 |
| ·BP模型的学习算法 | 第38-40页 |
| ·BP学习算法的不足和改进 | 第40-42页 |
| ·BP算法的应用问题 | 第42-44页 |
| ·数据的预处理 | 第42页 |
| ·提高网络的泛化能力问题 | 第42-43页 |
| ·网络拓扑结构的确定 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 BP网络在冰蓄冷空调系统负荷预测中的应用 | 第45-58页 |
| ·引言 | 第45页 |
| ·室外气象参数的预测 | 第45-47页 |
| ·室外温度的预测 | 第45-46页 |
| ·太阳辐射的预测 | 第46-47页 |
| ·相对湿度的预测 | 第47页 |
| ·空调逐时冷负荷的单点输出预测模型 | 第47-55页 |
| ·神经网络输入、输出变量的选取 | 第47-51页 |
| ·输入变量的选取 | 第47-50页 |
| ·输出变量的选取 | 第50-51页 |
| ·负荷预测时间步长的确定 | 第51页 |
| ·BP神经网络的结构与设计 | 第51-53页 |
| ·隐藏层数的确定 | 第51页 |
| ·隐藏层节点数的确定 | 第51-52页 |
| ·BP网络连接方式的选择 | 第52-53页 |
| ·BP神经网络参数的确定 | 第53-55页 |
| ·神经网络初始权值的确定 | 第53页 |
| ·网络初始学习率η的确定 | 第53-54页 |
| ·BP网络初始动量因子α的确定 | 第54-55页 |
| ·数据样本集的设计 | 第55-56页 |
| ·数据样本的选取 | 第55页 |
| ·数据样本集的归一化 | 第55页 |
| ·训练集的设计 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 冰蓄冷空调负荷预测BP算法的程序实现及预测结果分析 | 第58-73页 |
| ·冰蓄冷空调负荷预测的程序实现 | 第58-64页 |
| ·程序简介 | 第58页 |
| ·程序流程图及程序界面 | 第58-62页 |
| ·神经网络BP算法程序的特点 | 第62-64页 |
| ·预测结果分析 | 第64-69页 |
| ·预测结果分析及预测数据说明 | 第64-68页 |
| ·预测误差来源分析 | 第68-69页 |
| ·神经网络负荷预测的特点 | 第69-71页 |
| ·本章小结 | 第71-73页 |
| 第六章 结论及下一步工作 | 第73-75页 |
| ·本文研究的初步结论 | 第73-74页 |
| ·不足之处与下一步工作 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 附表一 | 第79-81页 |
| 附表二 | 第81-83页 |
| 附表三 | 第83页 |