首页--工业技术论文--建筑科学论文--地下建筑论文--市政工程论文--城市燃气供应论文--燃气需要量、消耗定额、负荷计算论文

城市天然气日负荷预测模型研究

中文摘要第12-14页
ABSTRACT第14-15页
第一章 绪论第16-20页
    1.1 研究背景及意义第16-17页
        1.1.1 研究背景第16页
        1.1.2 研究意义第16-17页
    1.2 国内外研究发展第17-18页
    1.3 主要研究内容第18-19页
    1.4 论文组织结构第19-20页
第二章 天然气负荷预测相关数据采集与预处理方法研究第20-28页
    2.1 天然气负荷预测周期分类研究第20-21页
    2.2 天然气负荷预测相关数据采集第21-22页
    2.3 天然气负荷预测相关数据预处理第22-26页
        2.3.1 非规整数据产生原因分析第22-23页
        2.3.2 缺失值处理第23-24页
        2.3.3 小波去噪处理第24-25页
        2.3.4 数据归一化第25-26页
    2.4 本章小结第26-28页
第三章 天然气负荷预测相关数据特性研究第28-36页
    3.1 天然气负荷数据的时间序列特性研究第28-32页
        3.1.1 平稳性检验第28-30页
        3.1.2 随机性检验第30-32页
    3.2 天然气负荷影响因素研究第32-35页
        3.2.1 温度对负荷量的影响研究第32页
        3.2.2 气压对负荷量的影响研究第32-33页
        3.2.3 其它气象条件对日负荷的影响研究第33-34页
        3.2.4 气象条件与天然气日负荷相关性研究第34-35页
    3.3 本章小结第35-36页
第四章 基于经验模态分解的天然气日负荷预测模型研究第36-56页
    4.1 ARMA(p,q)预测模型第36-38页
        4.1.1 AR模型第36-37页
        4.1.2 MA模型第37页
        4.1.3 ARMA模型第37页
        4.1.4 ARMA预测模型的建立过程第37-38页
    4.2 经验模态分解法第38-41页
        4.2.1 本征模函数第39页
        4.2.2 经验模态分解过程第39-41页
    4.3 基于经验模态分解的天然气负荷预测模型建立第41-42页
    4.4 实验设计与结果分析第42-54页
        4.4.1 实验评价指标第43-44页
        4.4.2 天然气负荷ARMA模型预测结果第44-46页
        4.4.3 天然气负荷序列EMD分解结果研究第46-48页
        4.4.4 基于经验模态分解的ARMA模型预测结果第48-52页
        4.4.5 不同预测模型结果比较第52-53页
        4.4.6 基于绝对误差准则的加权集成预测第53-54页
    4.5 本章小结第54-56页
第五章 基于神经网络的天然气日负荷预测模型研究第56-72页
    5.1 BP神经网络预测算法第56-59页
    5.2 改进的人工鱼群优化算法第59-63页
        5.2.1 人工鱼群算法原理第59-60页
        5.2.2 遗传算法第60-61页
        5.2.3 文化算法第61-62页
        5.2.4 基于文化算法框架的改进人工鱼群算法第62-63页
    5.3 基于改进人工鱼群算法优化的BP神经网络预测模型第63-65页
    5.4 实验设计与结果分析第65-70页
        5.4.1 输入变量的选择第66页
        5.4.2 基于改进人工鱼群算法优化的BP神经网络预测模型设计第66-67页
        5.4.3 实验结果分析第67-70页
    5.5 本文中两种预测模型对比研究第70页
    5.6 本章小结第70-72页
第六章 总结与展望第72-74页
    6.1 总结第72页
    6.2 展望第72-74页
参考文献第74-78页
攻读学位期间取得的研究成果第78-80页
致谢第80-82页
个人简况及联系方式第82-83页

论文共83页,点击 下载论文
上一篇:初中生汉字规范书写现状调查与对策研究--以张掖市甘州区城乡四所中学为例
下一篇:高中古典诗歌教学中的合作学习策略研究--以人教版教材《古代诗歌散文欣赏》(诗歌之部)为例