| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-17页 |
| 1.1 课题背景与研究的意义 | 第7-10页 |
| 1.1.1 建筑的能源消耗 | 第7-8页 |
| 1.1.2 别墅住宅的特点 | 第8-9页 |
| 1.1.3 别墅住宅的负荷计算及分析 | 第9页 |
| 1.1.4 别墅住宅的能效研究意义 | 第9-10页 |
| 1.2 国内研究发展现状 | 第10-15页 |
| 1.2.1 北京地区居住小区的负荷指标 | 第10-11页 |
| 1.2.2 别墅类住宅的电气设计现状 | 第11-12页 |
| 1.2.3 别墅类住宅的常用电气设备、平时使用情况 | 第12-13页 |
| 1.2.4 别墅类住宅和普通居住小区变压器容量配置相关规定 | 第13-15页 |
| 1.3 本文研究的主要工作及创新点 | 第15-17页 |
| 1.3.1 本文研究的主要工作 | 第15-16页 |
| 1.3.2 本文研究的创新点 | 第16-17页 |
| 第2章 基于BP神经网络的变压器容量配置 | 第17-26页 |
| 2.1 人工神经网络概述 | 第17页 |
| 2.2 人工神经网络的构成及前向型神经网络结构 | 第17-19页 |
| 2.3 神经网络的反向传播学习算法 | 第19-21页 |
| 2.4 BP神经网络的拓扑结构 | 第21-23页 |
| 2.5 BP神经网络学习的几个参数 | 第23-24页 |
| 2.6 BP神经网络的设计步骤 | 第24页 |
| 2.7 BP神经网络对变压器配置流程 | 第24-25页 |
| 2.8 本章小结 | 第25-26页 |
| 第3章 基于支持向量机的变压器容量配置 | 第26-33页 |
| 3.1 支持向量机（SVM）概述 | 第26-29页 |
| 3.1.1 最优分类超平面 | 第26-27页 |
| 3.1.2 线性SVM | 第27-28页 |
| 3.1.3 非线性SVM | 第28-29页 |
| 3.2 核函数 | 第29-30页 |
| 3.3 参数优化 | 第30-31页 |
| 3.4 支持向量机变压器容量配置的步骤 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 北京别墅住宅变压器容量预测分析 | 第33-53页 |
| 4.1 北京别墅住宅数据采集 | 第33页 |
| 4.2 建立设计阶段的变压器容量预测模型 | 第33-39页 |
| 4.2.1 基于BP神经网络的设计阶段变压器容量预测模型 | 第34-37页 |
| 4.2.2 基于支持向量机的设计阶段变压器容量预测模型 | 第37-39页 |
| 4.3 建立实际运行阶段的变压器容量预测模型 | 第39-45页 |
| 4.3.1 基于BP神经网络的实际运行阶段变压器容量预测模型 | 第40-44页 |
| 4.3.2 基于支持向量机的实际运行阶段变压器容量预测模型 | 第44-45页 |
| 4.4 供电局批复变压器容量预测模型 | 第45-51页 |
| 4.4.1 基于BP神经网络的供电局批复变压器容量预测模型 | 第47-50页 |
| 4.4.2 基于支持向量机的供电局批复变压器容量预测模型 | 第50-51页 |
| 4.5 BP与SVM两种预测模型比较 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 结论与展望 | 第53-55页 |
| 5.1 研究结论 | 第53-54页 |
| 5.2 工作展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 发表论文和参与项目情况 | 第58-59页 |
| 附录1 基于BP神经网络的实际运行阶段变压器容量预测模型程序 | 第59-60页 |
| 附录2 基于支持向量机的实际运行阶段变压器容量预测模型程序 | 第60-62页 |
| 致谢 | 第62-63页 |
