| 中文摘要 | 第1页 |
| 英文摘要 | 第4-5页 |
| 第一章 绪论 | 第5-9页 |
| 1．1 选题的意义和背景 | 第5-6页 |
| 1．2 方案选取 | 第6-7页 |
| 1．2．1 C/S和B/S并存模式 | 第6-7页 |
| 1．2．2 利用神经网络进行热负荷预测 | 第7页 |
| 1．3 本文主要工作 | 第7-9页 |
| 第二章 热网管理信息系统分析与实现 | 第9-24页 |
| 2．1 系统总体设计任务和主要工作内容 | 第9-10页 |
| 2．2 软件开发模式方案—原型法与软件生命周期法相结合 | 第10-11页 |
| 2．3 热网自身特点及解决方案 | 第11-12页 |
| 2．4 热网监控系统实现 | 第12-13页 |
| 2．5 管理系统开发工具及工作平台选择 | 第13-15页 |
| 2．6 系统结构设计 | 第15-19页 |
| 2．6．1 C/S方式 | 第15-17页 |
| 2．6．2 B/S方式 | 第17-19页 |
| 2．7 功能模块简介 | 第19-22页 |
| 2．7．1 功能简介 | 第19-21页 |
| 2．7．2 模块特点 | 第21-22页 |
| 2．8 热网管理信息系统的现实意义 | 第22-24页 |
| 第三章 热负荷预测分析 | 第24-28页 |
| 3．1 热用户分类以及目前预测现状 | 第24-25页 |
| 3．2 负荷预测分类 | 第25页 |
| 3．3 负荷预测方法 | 第25-28页 |
| 3．3．1 传统预测方法分析 | 第26-27页 |
| 3．3．2 人工神经网络方法 | 第27-28页 |
| 第四章 用改进BP算法实现热负荷预测 | 第28-51页 |
| 4．1 神经网络概述 | 第28-33页 |
| 4．1．1 生物神经网络的模型及其基本特征 | 第28-30页 |
| 4．1．2 人工神经网络的典型模型 | 第30-32页 |
| 4．1．3 人工神经网络的特点及主要应用范围 | 第32-33页 |
| 4．2 反向传播算法（BP算法 | 第33-38页 |
| 4．3 BP算法的缺点及改进的BP算法 | 第38-40页 |
| 4．4 隐含层数和层内单元（节,点）数的确定 | 第40-44页 |
| 4．4．1 输入和输出层的设计 | 第41页 |
| 4．4．2 隐含层数和层内节点数的选择 | 第41-43页 |
| 4．4．3 初始值的选定 | 第43-44页 |
| 4．5 热负荷制约因素的选取 | 第44-45页 |
| 4．6 输入变量选取 | 第45页 |
| 4．7 输出变量的选取 | 第45页 |
| 4．8 程序设计 | 第45-51页 |
| 第五章 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |