城市燃气负荷预测的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 物理量名称及符号表 | 第7-17页 |
| 第1章 绪论 | 第17-40页 |
| ·课题背景 | 第17-18页 |
| ·燃气负荷预测研究的意义 | 第18-19页 |
| ·城市燃气负荷的特点分析 | 第19-24页 |
| ·城市燃气负荷的组成 | 第19-20页 |
| ·各类用户的用气规律分析 | 第20-23页 |
| ·城市燃气负荷变化的相关影响因素 | 第23-24页 |
| ·城市燃气负荷预测研究方法及现状 | 第24-38页 |
| ·预测问题概述 | 第24-25页 |
| ·燃气负荷预测的分类 | 第25页 |
| ·负荷预测方法综述 | 第25-37页 |
| ·相关领域负荷预测研究进展 | 第37页 |
| ·燃气负荷预测中存在的问题 | 第37-38页 |
| ·本课题主要研究的内容 | 第38-40页 |
| 第2章 燃气负荷时序数列的离群数据挖掘 | 第40-52页 |
| ·离群数据挖掘 | 第40-44页 |
| ·数据挖掘的基本概念 | 第40-41页 |
| ·离群数据挖掘的概念 | 第41-42页 |
| ·离群数据挖掘的一般方法 | 第42-44页 |
| ·基于κ 最近邻的燃气负荷时序数列离群数据挖掘 | 第44-47页 |
| ·燃气系统中离群数据的产生及影响 | 第44-45页 |
| ·κ 最近邻方法描述 | 第45页 |
| ·离群数据的再挖掘 | 第45-46页 |
| ·基于特征曲线的离群数据修正 | 第46-47页 |
| ·实例分析 | 第47-51页 |
| ·燃气日负荷时序数列的离群数据挖掘 | 第48页 |
| ·日负荷离群数据再挖掘 | 第48-49页 |
| ·日负荷离群数据的修正 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第3章 基于多分辨小波网络的小时负荷预测 | 第52-77页 |
| ·城市燃气小时负荷特性 | 第52-53页 |
| ·小波网络的理论基础 | 第53-59页 |
| ·小波和小波变换理论 | 第53-57页 |
| ·神经网络理论 | 第57-59页 |
| ·小波与神经网络的结合 | 第59页 |
| ·小波网络理论 | 第59-62页 |
| ·几种不同形式的小波网络构建方法及算法分析 | 第60-61页 |
| ·小波网络与常规前馈神经网络的比较 | 第61-62页 |
| ·多分辨小波网络 | 第62-68页 |
| ·多分辨小波网络结构 | 第63-64页 |
| ·多分辨小波网络的分层、递阶学习算法 | 第64-66页 |
| ·多分辨小波网络权重的确定 | 第66-68页 |
| ·应用多分辨小波网络进行燃气小时负荷预测 | 第68-76页 |
| ·小波网络构建 | 第68-69页 |
| ·输入变量 | 第69-72页 |
| ·小波函数和尺度函数 | 第72-73页 |
| ·隐层节点数的确定 | 第73页 |
| ·预测结果及分析 | 第73-76页 |
| ·本章小结 | 第76-77页 |
| 第4章 基于小波核支持向量机的日负荷预测 | 第77-96页 |
| ·日负荷特性分析 | 第77-80页 |
| ·天气情况对日负荷的影响 | 第78-79页 |
| ·日期类型对日负荷的影响 | 第79-80页 |
| ·支持向量机的基本理论和概念 | 第80-84页 |
| ·统计学习理论与 VC 维 | 第80-81页 |
| ·结构风险最小化 | 第81页 |
| ·支持向量 | 第81-82页 |
| ·核函数 | 第82-83页 |
| ·支持向量机的特点 | 第83-84页 |
| ·小波核支持向量机回归 | 第84-90页 |
| ·支持向量机回归估计 | 第84-85页 |
| ·不敏感损失函数 | 第85页 |
| ·估计函数 | 第85-87页 |
| ·Morlet 小波核函数 | 第87-88页 |
| ·小波核支持向量机的构建 | 第88-89页 |
| ·支持向量机的求解算法 | 第89-90页 |
| ·基于小波核支持向量机的负荷预测分析 | 第90-95页 |
| ·小波核支持向量机的输入相量 | 第91-92页 |
| ·小波核支持向量机的参数 | 第92页 |
| ·预测结果分析 | 第92-95页 |
| ·本章小结 | 第95-96页 |
| 第5章 基于相似日的节假日燃气负荷预测 | 第96-109页 |
| ·燃气负荷相似日 | 第96-102页 |
| ·相似问题的提出 | 第96页 |
| ·形状相似日及形状相似度 | 第96-97页 |
| ·趋势相似日及趋势相似度 | 第97-99页 |
| ·特征相似日和特征相似度 | 第99-101页 |
| ·不同定义的相似日之间的关系 | 第101页 |
| ·综合相似度定义的相似日 | 第101-102页 |
| ·基于相似性和相似日的城市燃气节假日负荷预测 | 第102-108页 |
| ·综合相似度参数的确定 | 第102-103页 |
| ·相似日查询范围 | 第103页 |
| ·燃气负荷相似日的查询 | 第103-105页 |
| ·基于小波核支持向量机的预测 | 第105页 |
| ·预测结果及分析 | 第105-108页 |
| ·本章小结 | 第108-109页 |
| 第6章 基于信息熵的年负荷多模型组合预测 | 第109-124页 |
| ·年度负荷运行规律及影响因素分析 | 第109-113页 |
| ·国民经济发展对年度负荷的影响 | 第110-111页 |
| ·国家能源政策对年度负荷的影响 | 第111-112页 |
| ·城市人口数的影响 | 第112页 |
| ·居民生活水平的影响 | 第112-113页 |
| ·组合预测理论 | 第113-115页 |
| ·预测模型的选择及效果评价 | 第115-118页 |
| ·预测模型的选择 | 第115-117页 |
| ·预测模型效果评价 | 第117-118页 |
| ·单一模型权重的确定 | 第118-121页 |
| ·信息熵及其含义 | 第118-119页 |
| ·基于信息熵的权重计算 | 第119-121页 |
| ·基于信息熵的组合预测模型实例分析 | 第121-122页 |
| ·本章小结 | 第122-124页 |
| 结 论 | 第124-127页 |
| 参考文献 | 第127-135页 |
| 攻读博士学位期间发表的论文 | 第135-137页 |
| 致 谢 | 第137-138页 |
| 个人简历 | 第138页 |
