| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-18页 |
| ·选题背景及研究意义 | 第11-13页 |
| ·选题背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·能源管理系统国内外研究现状 | 第13-14页 |
| ·能耗预测国内外研究现状 | 第14-15页 |
| ·研究内容及组织结构 | 第15-17页 |
| ·本章小结 | 第17-18页 |
| 第二章 基于支持向量机的能源需求预测模型研究 | 第18-30页 |
| ·引言 | 第18页 |
| ·能源需求预测应用场景分析 | 第18-19页 |
| ·支持向量机的基本理论 | 第19-22页 |
| ·基本概念 | 第19页 |
| ·核函数 | 第19-20页 |
| ·损失函数 | 第20页 |
| ·支持向量机回归算法 | 第20-22页 |
| ·基于支持向量机的能源需求预测模型框图 | 第22-24页 |
| ·模型的输入与输出 | 第24页 |
| ·仿真实验 | 第24-26页 |
| ·性能对比 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于支持向量机的节能效果评估模型研究 | 第30-36页 |
| ·引言 | 第30页 |
| ·节能效果评估应用场景分析 | 第30页 |
| ·基于支持向量机的节能效果评估模型 | 第30-31页 |
| ·仿真实验 | 第31-33页 |
| ·性能对比 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于 BP 神经网络的能耗异常监测模型研究 | 第36-50页 |
| ·引言 | 第36页 |
| ·能耗异常监测应用场景分析 | 第36-37页 |
| ·神经网络的基本理论 | 第37-40页 |
| ·基本概念 | 第37页 |
| ·神经元模型 | 第37-38页 |
| ·网络结构 | 第38-39页 |
| ·BP 神经网络学习算法 | 第39-40页 |
| ·基于 BP 神经网络的能耗异常监测模型框图 | 第40-42页 |
| ·模型的输入与输出 | 第42-44页 |
| ·仿真实验 | 第44-47页 |
| ·性能对比 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 基于能耗预测模型的能源管理系统设计 | 第50-63页 |
| ·引言 | 第50页 |
| ·系统的需求分析 | 第50-51页 |
| ·系统概述 | 第50-51页 |
| ·系统性能需求 | 第51页 |
| ·系统的总体架构设计 | 第51-53页 |
| ·系统的功能模块设计 | 第53-55页 |
| ·数据库设计 | 第55-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 基于能耗预测模型的能源管理系统实现 | 第63-71页 |
| ·引言 | 第63页 |
| ·系统的开发平台及环境 | 第63页 |
| ·数据访问层 | 第63-65页 |
| ·能耗预测分析模块的实现 | 第65-68页 |
| ·系统的典型运行界面 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士学位期间取得的研究成果 | 第76-77页 |
| 致谢 | 第77-78页 |
| 附录 | 第78页 |