小波网络在空调负荷预测中的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-17页 |
| ·选题背景及意义 | 第9-10页 |
| ·选题背景 | 第9页 |
| ·选题意义 | 第9-10页 |
| ·空调负荷预测的研究现状 | 第10-12页 |
| ·神经网络的研究现状 | 第12-14页 |
| ·小波分析的研究现状 | 第14-15页 |
| ·本文的主要工作 | 第15-16页 |
| ·本文的技术路线 | 第16-17页 |
| 2 神经网络的基本理论 | 第17-28页 |
| ·神经网络概述 | 第17-19页 |
| ·人工神经元模型 | 第17-18页 |
| ·神经元的拓扑结构 | 第18页 |
| ·神经网络的学习方式 | 第18-19页 |
| ·BP 神经网络概述 | 第19-23页 |
| ·BP 神经网络的网络结构 | 第19-20页 |
| ·BP 神经网络的学习算法 | 第20-21页 |
| ·BP 网络的局限性 | 第21-22页 |
| ·BP 算法改进 | 第22-23页 |
| ·BP 神经网络的训练与仿真 | 第23-24页 |
| ·BP 神经网络的训练 | 第23-24页 |
| ·BP 神经网络的仿真 | 第24页 |
| ·BP 算法的应用问题 | 第24-27页 |
| ·数据的预处理 | 第24页 |
| ·BP 网络推广能力的提高 | 第24-26页 |
| ·网络拓扑结构的确定 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 空调负荷的BP 神经网络预测模型 | 第28-46页 |
| ·资料来源 | 第28-31页 |
| ·预测因子的选择 | 第31-34页 |
| ·影响空调负荷的因素 | 第31-33页 |
| ·预测因子的确定 | 第33-34页 |
| ·预测因子的预处理 | 第34-35页 |
| ·原始数据的确定 | 第34页 |
| ·数据的归一化 | 第34-35页 |
| ·BP 神经网络拓扑结构的设计 | 第35-37页 |
| ·基于MATLAB 的BP 神经网络开发 | 第37-39页 |
| ·BP 神经网络工具箱函数 | 第38-39页 |
| ·MATLAB 图形用户接口GUI 工具 | 第39页 |
| ·BP 神经网络的实现及误差分析 | 第39-45页 |
| ·本章小结 | 第45-46页 |
| 4 空调负荷的小波神经网络预测模型 | 第46-61页 |
| ·小波分析的基本理论 | 第46-52页 |
| ·傅里叶变换，窗口傅里叶变换与小波变换 | 第46-47页 |
| ·小波变换 | 第47-48页 |
| ·常用的小波函数 | 第48-49页 |
| ·多分辨分析（MRA） | 第49-50页 |
| ·Mallat 算法 | 第50-51页 |
| ·小波分解及重构 | 第51-52页 |
| ·小波网络的实现及误差分析 | 第52-60页 |
| ·小波分解和重构 | 第52-53页 |
| ·各小波系数建模和预报 | 第53-58页 |
| ·合成最终预报及进行误差分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 5 结论 | 第61-63页 |
| ·主要结论 | 第61-62页 |
| ·工作展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67页 |
