| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题提出的背景以及研究的目的和意义 | 第9-12页 |
| 1.2 国内外供热负荷预测研究现状 | 第12-14页 |
| 1.2.1 国外供热负荷预测研究现状 | 第12-13页 |
| 1.2.2 国内供热负荷预测研究现状 | 第13-14页 |
| 1.3 主要存在的问题 | 第14页 |
| 1.4 本论文的主要内容 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 集中供热负荷运行调节的主要影响因素 | 第16-24页 |
| 2.1 建筑热过程负荷影响因素 | 第16-19页 |
| 2.1.1 建筑供暖热过程 | 第16-17页 |
| 2.1.2 采暖热负荷特征 | 第17-18页 |
| 2.1.3 供热负荷的主要影响因素 | 第18-19页 |
| 2.2 计量非计量供热负荷的特征 | 第19-22页 |
| 2.2.1 非计量供热系统负荷的影响因素 | 第20-21页 |
| 2.2.2 热计量供热系统负荷的影响因素 | 第21-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第三章 供热负荷预测的预报方法 | 第24-41页 |
| 3.1 热负荷预测方法的分类 | 第24-33页 |
| 3.1.1 时间序列法 | 第24-28页 |
| 3.1.2 结构分析法 | 第28-29页 |
| 3.1.3 系统方法 | 第29-33页 |
| 3.2 改进的预测方法 | 第33-39页 |
| 3.2.1 基于动态数据系统的自回归滑动平均模型法 | 第33-36页 |
| 3.2.2 改进的粒子群算法 | 第36-39页 |
| 3.3 本章小结 | 第39-41页 |
| 第四章 遗传算法优化的神经网络方法 | 第41-55页 |
| 4.1 神经网络的概念 | 第41-46页 |
| 4.1.1 神经元模型和网络结构 | 第41-43页 |
| 4.1.2 神经网络的学习 | 第43-46页 |
| 4.2 遗传算法 | 第46-48页 |
| 4.2.1 遗传算法的特点 | 第46页 |
| 4.2.2 遗传算法的要素和控制参数的设计 | 第46-48页 |
| 4.3 对神经网络方法的优化 | 第48-54页 |
| 4.3.1 遗传算法与神经网络法结合的必要性 | 第48-49页 |
| 4.3.2 遗传算法优化 BP 算法 | 第49-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 基于 MATLAB 的模型建立及实例分析 | 第55-67页 |
| 5.1 MATLAB 软件简介 | 第55-56页 |
| 5.1.1 MATLAB 的主要功能 | 第55-56页 |
| 5.1.2 MATLAB 功能和神经网络工具箱 | 第56页 |
| 5.2 集中供热负荷预测模型制定 | 第56-60页 |
| 5.2.1 输入和输出变量的选取 | 第57页 |
| 5.2.2 历史负荷数据的预处理 | 第57-58页 |
| 5.2.3 输入和输出参数的预处理 | 第58-60页 |
| 5.3 集中供热负荷热预测实例 | 第60-66页 |
| 5.3.1 选取的训练和预测数据 | 第61-62页 |
| 5.3.2 BP 算法的预测 | 第62-64页 |
| 5.3.3 GA-BP 算法的预测 | 第64-66页 |
| 5.4 本章小结 | 第66-67页 |
| 结论与展望 | 第67-69页 |
| 结论 | 第67-68页 |
| 展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间发表的论文及参与的科研项目 | 第72-73页 |
| 发表的论文 | 第72页 |
| 参与的科研项目 | 第72-73页 |
| 致谢 | 第73页 |