| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题的研究背景 | 第11页 |
| ·课题研究意义 | 第11-13页 |
| ·课题研究现状 | 第13-16页 |
| ·热网监测系统研究现状 | 第13-14页 |
| ·热负荷预测研究现状 | 第14-16页 |
| ·本文研究内容 | 第16-17页 |
| 第2章 热网远程监测技术分析 | 第17-23页 |
| ·引言 | 第17页 |
| ·通信系统 | 第17-20页 |
| ·热网通讯方式 | 第17-18页 |
| ·通讯在热网中的实施原则 | 第18页 |
| ·热网主要通讯方式的比较 | 第18-20页 |
| ·热网监测平台简介 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第3章 热网远程监测系统的设计 | 第23-42页 |
| ·基于 ADSL 的热网监测方式 | 第23-31页 |
| ·硬件装置基本构成 | 第23-25页 |
| ·XML 开发语言简介 | 第25页 |
| ·基于 XML 技术的换热站组态 | 第25-31页 |
| ·基于 GPRS 热网监测方式 | 第31-38页 |
| ·GPRS 与装置介绍 | 第31-32页 |
| ·GPRS 热网监测原理介绍 | 第32页 |
| ·参数设置 | 第32-33页 |
| ·软件开发环境简介 | 第33-34页 |
| ·采集程序设计 | 第34-38页 |
| ·热网远程监测系统的实现 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于 PSO 参数优化的 SVM 热负荷预测 | 第42-57页 |
| ·支持向量机预测模型 | 第42-46页 |
| ·支持向量机 | 第42页 |
| ·统计学习理论 | 第42-44页 |
| ·支持向量机回归算法 | 第44-45页 |
| ·粒子群优化算法 | 第45-46页 |
| ·基于粒子群算法优化的支持向量机模型 | 第46页 |
| ·热负荷预测及实例分析 | 第46-49页 |
| ·样本的选取和预处理 | 第46-47页 |
| ·现场监测数据预处理 | 第47-48页 |
| ·输入数据的预处理 | 第48-49页 |
| ·热负荷实例验证与分析 | 第49-56页 |
| ·参数优化 | 第49-52页 |
| ·结果分析 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间发表论文情况 | 第62-63页 |
| 致谢 | 第63页 |