| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-12页 |
| ·论文的研究背景 | 第9-10页 |
| ·论文研究的主要内容及创新点 | 第10-12页 |
| 第二章 电力系统超短期负荷预测分析 | 第12-16页 |
| ·超短期负荷预测概述 | 第12-13页 |
| ·国内外超短期负荷预测的发展与现状 | 第13-16页 |
| 第三章 神经网络与遗传算法的结合 | 第16-26页 |
| ·神经网络理论 | 第16-21页 |
| ·神经网络概述 | 第16页 |
| ·神经元模型 | 第16-18页 |
| ·神经网络结构 | 第18-19页 |
| ·神经网络学习规则 | 第19-20页 |
| ·人工神经网络的主要特点 | 第20-21页 |
| ·遗传算法 | 第21-24页 |
| ·遗传算法概述 | 第21-22页 |
| ·遗传算法基本思想与步骤 | 第22页 |
| ·应用遗传算法的关键技术 | 第22-23页 |
| ·遗传算法的特点 | 第23-24页 |
| ·神经网络和遗传算法的结合 | 第24-26页 |
| ·概述 | 第24-25页 |
| ·遗传算法优化神经网络的连接权值 | 第25-26页 |
| 第四章 GPGPU 及CUDA 技术介绍 | 第26-36页 |
| ·GPGPU 技术介绍 | 第26-28页 |
| ·CUDA 技术 | 第28-36页 |
| ·CUDA 简介 | 第28-29页 |
| ·CUDA 编程模型介绍 | 第29-36页 |
| 第五章 多节点超短期负荷预测的CUDA 程序设计及实验结果分析 | 第36-42页 |
| ·神经网络设计 | 第36-37页 |
| ·神经元输出规则 | 第36页 |
| ·激活函数 | 第36-37页 |
| ·遗传算法设计 | 第37-38页 |
| ·适应度函数 | 第37页 |
| ·遗传操作 | 第37-38页 |
| ·停止条件 | 第38页 |
| ·运算程序简述 | 第38-40页 |
| ·程序主要流程图 | 第38页 |
| ·神经网络运算部分CUDA 程序介绍 | 第38-40页 |
| ·实验方案的设计 | 第40-41页 |
| ·实验结果与分析 | 第41-42页 |
| 结束语 | 第42-43页 |
| 本文研究工作总结 | 第42页 |
| 后续的研究工作与展望 | 第42-43页 |
| 参考文献 | 第43-45页 |
| 致谢 | 第45-46页 |
| 附表 | 第46页 |