| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-17页 |
| ·课题背景 | 第12-14页 |
| ·课题社会背景 | 第12页 |
| ·课题研究背景 | 第12-14页 |
| ·课题来源 | 第14页 |
| ·国内外研究现状 | 第14-15页 |
| ·建筑能耗监测国内外研究现状 | 第14-15页 |
| ·建筑能耗数据处理分析的国内外研究现状 | 第15页 |
| ·课题研究意义 | 第15-16页 |
| ·论文主要内容 | 第16-17页 |
| 第二章 建筑能耗实时监测系统的构建 | 第17-41页 |
| ·引言 | 第17-18页 |
| ·监测系统总体建设原则 | 第18页 |
| ·监测系统总体建设目标 | 第18-20页 |
| ·监测系统总体设计 | 第20-25页 |
| ·系统总体框架 | 第20-23页 |
| ·系统组网方案 | 第23-25页 |
| ·硬件平台施工安装 | 第25-34页 |
| ·监测设备选型 | 第25-28页 |
| ·施工安装及所遇问题 | 第28-30页 |
| ·施工档案记录 | 第30-33页 |
| ·硬件系统调试 | 第33-34页 |
| ·实时数据采集与传输 | 第34-38页 |
| ·采集器数据采集及上传 | 第34-36页 |
| ·以太网通讯延时问题的处理 | 第36-37页 |
| ·XML及Web Service技术的应用 | 第37-38页 |
| ·软件平台各模块功能 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第三章 粒子群优化RBF网络原理及能耗数据处理分析方案 | 第41-57页 |
| ·引言 | 第41页 |
| ·软件平台数据处理分析功能的不足及改善方法 | 第41-44页 |
| ·粒子群优化RBF网络的原理 | 第44-48页 |
| ·RBF网络原理及其常用学习算法的缺陷 | 第44-45页 |
| ·粒子群算法基本原理 | 第45-47页 |
| ·粒子群算法对RBF网络参数的优化 | 第47-48页 |
| ·能耗影响因素分析 | 第48-49页 |
| ·能耗数据统计 | 第49-53页 |
| ·基本用能情况 | 第49-50页 |
| ·数据统计方式 | 第50-51页 |
| ·数据样本记录 | 第51-53页 |
| ·能耗影响因素相关性验证 | 第53-54页 |
| ·基于PSO-RBF算法的能耗数据处理分析方案 | 第54-56页 |
| ·方案总体思路 | 第54-55页 |
| ·性能评价指标 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 粒子群优化的RBF网络在能耗数据处理分析中的应用 | 第57-75页 |
| ·引言 | 第57页 |
| ·数据归一化处理 | 第57-58页 |
| ·RBF网络结构设计 | 第58-60页 |
| ·RBF网络结构的确定 | 第58-59页 |
| ·RBF网络隐节点中心的确定 | 第59-60页 |
| ·PSO-RBF算法结构设计 | 第60-61页 |
| ·PSO算法粒子编码 | 第60-61页 |
| ·PSO算法适应度函数选取 | 第61页 |
| ·基于PSO-RBF算法的建筑能耗数据处理分析结果 | 第61-69页 |
| ·RBF正交最小二乘学习算法分析结果 | 第61-64页 |
| ·PSO-RBF算法数据分析流程及结果 | 第64-68页 |
| ·PSO-RBF算法优化效果对比分析 | 第68-69页 |
| ·PSO-RBF算法在监测平台数据处理分析中的应用 | 第69-74页 |
| ·能耗报警的闽值设置 | 第69-72页 |
| ·应用效果分析 | 第72-73页 |
| ·PSO-RBF算法在监测平台数据处理分析中的拓展应用 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 第五章 总结与展望 | 第75-77页 |
| ·本文总结 | 第75页 |
| ·未来展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-82页 |
| 硕士学位期间发表论文情况 | 第82页 |
