基于量子神经网络的短期负荷预测
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-17页 |
| ·负荷预测的背景及其意义 | 第10-11页 |
| ·短期负荷预测发展的现状 | 第11-13页 |
| ·神经网络用于短期负荷预测的现状 | 第13-14页 |
| ·量子神经网络发展现状 | 第14-16页 |
| ·本文所做的工作 | 第16-17页 |
| 第2章 短期负荷预测分析 | 第17-33页 |
| ·负荷的分类 | 第17-18页 |
| ·负荷内部特性 | 第18-22页 |
| ·短期负荷的外部影响因素分析 | 第22-26页 |
| ·短期负荷预测的基本模型 | 第26-27页 |
| ·短期负荷预测的误差评价函数 | 第27-29页 |
| ·样本数据处理 | 第29-32页 |
| ·负荷数据的处理及其量化 | 第29-30页 |
| ·温度因素和日期类型因素的量化处理 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于标准BP 神经网络的短期负荷预测 | 第33-45页 |
| ·标准BP 网络 | 第33-38页 |
| ·BP 神经网络用于预测的原理 | 第34-35页 |
| ·BP 神经网络的模型 | 第35-36页 |
| ·BP 神经网络的学习算法 | 第36-38页 |
| ·基于标准BP 神经网络的短期负荷预测 | 第38-42页 |
| ·标准BP 神经网络的缺陷 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第4章 基于量子神经网络的短期负荷预测 | 第45-66页 |
| ·量子理论基础 | 第45-49页 |
| ·量子位 | 第45-46页 |
| ·量子寄存器 | 第46-47页 |
| ·量子测量 | 第47-48页 |
| ·量子门 | 第48-49页 |
| ·三层量子神经网络模型 | 第49-56页 |
| ·一元量子比特神经元模型 | 第49-54页 |
| ·三层量子神经网络结构和学习 | 第54-56页 |
| ·三层量子神经网络的特点 | 第56页 |
| ·遗传算法优化量子神经网络初始参数 | 第56-60页 |
| ·遗传算法简介 | 第56-57页 |
| ·遗传算法优化量子神经网络 | 第57-60页 |
| ·仿真算例分析 | 第60-65页 |
| ·考虑外部因素的短期负荷预测模型 | 第60-61页 |
| ·算法分析和比较 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 短期负荷预测的实际系统设计和实现 | 第66-75页 |
| ·系统开发平台 | 第66页 |
| ·负荷预测软件的功能模块分析 | 第66-73页 |
| ·导入数据模块 | 第67页 |
| ·负荷预测模块 | 第67-68页 |
| ·其它功能模块 | 第68-73页 |
| ·本章小结 | 第73-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间发表论文 | 第81-82页 |
| 致谢 | 第82页 |
