| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-17页 |
| ·课题背景 | 第7-10页 |
| ·城市集中供暖智能化的意义 | 第10-11页 |
| ·人工神经网络 | 第11-15页 |
| ·神经网络的发展 | 第11-14页 |
| ·神经网络技术在预测和优化调度中的应用 | 第14-15页 |
| ·神经网络在预测中的应用 | 第14页 |
| ·神经网络在优化调度中的应用 | 第14-15页 |
| ·本文的研究内容 | 第15-17页 |
| 第2章 集中供热模型分析 | 第17-38页 |
| ·概述 | 第17-18页 |
| ·我国集中供热系统现状 | 第18-21页 |
| ·热源 | 第18-19页 |
| ·热用户 | 第19-20页 |
| ·热网 | 第20-21页 |
| ·我国集中供热系统发展趋势 | 第21-23页 |
| ·分户调节和热量计量 | 第23-27页 |
| ·分户调节的技术装备 | 第23-25页 |
| ·热量计 | 第23-24页 |
| ·热量分配表 | 第24-25页 |
| ·散热器恒温控制阀 | 第25页 |
| ·平衡阀 | 第25页 |
| ·分户调节的用户供热形式 | 第25-27页 |
| ·新建热用户实行双管供暖系统 | 第25-26页 |
| ·原有建筑户内采暖系统的改造 | 第26-27页 |
| ·分布式智能供热解决方案 | 第27-37页 |
| ·热力站监控系统的设计 | 第28-33页 |
| ·热力站系统分析 | 第28-29页 |
| ·热力站运行监控的目的 | 第29-30页 |
| ·热力站系统监控系统 | 第30-33页 |
| ·分布式智能供热系统 | 第33-37页 |
| ·系统构成 | 第34-36页 |
| ·系统故障分析诊断 | 第36页 |
| ·系统调节 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 供热负荷的神经网络预测 | 第38-59页 |
| ·国内外供暖热负荷动态预测方法 | 第38-39页 |
| ·神经网络预测方法 | 第39-40页 |
| ·RBF神经网络理论 | 第40-44页 |
| ·RBF神经元网络的特点 | 第41-43页 |
| ·RBF神经元网络的数学模型 | 第43页 |
| ·RBF神经元网络的性能 | 第43-44页 |
| ·RBF神经网络算法 | 第44-48页 |
| ·K-均值聚类学习算法 | 第44-46页 |
| ·局部训练算法 | 第46-47页 |
| ·正交最小二乘(Orthogonal Least Squares algorithm,OLS)学习算法 | 第47页 |
| ·聚类和Givens变换联合迭代算法 | 第47页 |
| ·RBF算法存在的问题及处理方法 | 第47-48页 |
| ·网络基函数的中心值确定问题 | 第47-48页 |
| ·单RBF网络在预测中存在的问题 | 第48页 |
| ·PM-RBF神经网络的学习算法 | 第48-53页 |
| ·改进的竞争学习算法 | 第48-50页 |
| ·最小化RBF神经网络 | 第50-51页 |
| ·并行最小化RBF神经网络 | 第51-53页 |
| ·神经网络预测仿真 | 第53-58页 |
| ·训练样本少时结果分析 | 第54-56页 |
| ·训练样本多时结果分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第4章 供热系统优化调度探讨 | 第59-71页 |
| ·概述 | 第59-60页 |
| ·遗传算法理论 | 第60-63页 |
| ·遗传算法的基本原理 | 第60-62页 |
| ·遗传算法的特点 | 第62-63页 |
| ·供热管网优化调度的数学模型 | 第63-66页 |
| ·供热系统优化调度的遗传算法探讨 | 第66-70页 |
| ·参数编码 | 第67页 |
| ·适应度函数的设计 | 第67-69页 |
| ·控制参数设定 | 第69页 |
| ·局部微调操作 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 论文总结 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的学术论文 | 第77-78页 |
| 致谢 | 第78页 |