| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-20页 |
| ·课题研究背景 | 第9-12页 |
| ·天然气负荷预测背景 | 第9-10页 |
| ·天然气负荷预测特点 | 第10-11页 |
| ·天然气负荷预测意义 | 第11-12页 |
| ·负荷预测研究 | 第12-16页 |
| ·预测基本原则 | 第12页 |
| ·负荷预测分类 | 第12页 |
| ·负荷预测方法 | 第12-16页 |
| ·国内外研究动态 | 第16-18页 |
| ·国外研究现状 | 第16-17页 |
| ·国内研究现状 | 第17-18页 |
| ·本课题研究内容及章节安排 | 第18-20页 |
| ·论文主要研究工作 | 第18页 |
| ·论文章节安排 | 第18-20页 |
| 第2章 支持向量机 | 第20-35页 |
| ·机器学习 | 第20-22页 |
| ·机器学习问题模型 | 第20-21页 |
| ·经验风险最小化 | 第21-22页 |
| ·复杂性和推广能力 | 第22页 |
| ·统计学习理论 | 第22-25页 |
| ·VC维理论 | 第23页 |
| ·推广性的界 | 第23-24页 |
| ·结构风险最小化 | 第24-25页 |
| ·支持向量机 | 第25-32页 |
| ·SVM分类问题 | 第26-29页 |
| ·SVM回归问题 | 第29-31页 |
| ·核函数 | 第31-32页 |
| ·最小二乘支持向量机 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 基于支持向量回归的天然气负荷预测 | 第35-46页 |
| ·天然气负荷预测分类和特点 | 第35-36页 |
| ·天然气负荷预测分类 | 第35-36页 |
| ·天然气负荷预测特点 | 第36页 |
| ·天然气负荷预测影响因素 | 第36-40页 |
| ·基于SVR的天然气负荷预测的建模方法 | 第40-43页 |
| ·输入变量选择 | 第40-42页 |
| ·核函数及模型参数选择 | 第42-43页 |
| ·天然气负荷预测步骤 | 第43页 |
| ·基于SVR的天然气负荷预测模型的仿真和分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于最小二乘支持向量回归的天然气负荷预测 | 第46-52页 |
| ·LS-SVM与SVM比较 | 第46-47页 |
| ·LS-SVM参数研究 | 第47页 |
| ·加权最小二乘支持向量回归 | 第47-49页 |
| ·加权LS-SVM天然气负荷预测模型仿真及分析 | 第49-51页 |
| ·数据预处理 | 第49页 |
| ·加权LS-SVM参数选择 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 基于PSO-WLS-SVR的天然气负荷预测 | 第52-58页 |
| ·粒子群算法概述 | 第52-54页 |
| ·PSO算法 | 第52-53页 |
| ·粒子群算法流程 | 第53-54页 |
| ·基于PSO-WLS-SVR的天然气负荷预测模型仿真及分析 | 第54-56页 |
| ·SVR、WLS-SVR、PSO-W-LS-SVR预测模型结果比较 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| ·本文工作总结 | 第58-59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 硕士期间论文发表情况 | 第65页 |
