| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及研究意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 基因表达式编程的研究现状 | 第9-11页 |
| 1.2.2 电力负荷预测的研究现状 | 第11-13页 |
| 1.3 研究内容与本文组织结构 | 第13-16页 |
| 2 基因表达式编程算法概述 | 第16-28页 |
| 2.1 进化计算 | 第16-18页 |
| 2.1.1 遗传算法 | 第16-17页 |
| 2.1.2 遗传编程 | 第17-18页 |
| 2.2 基因表达式编程 | 第18-26页 |
| 2.2.1 GEP的概述 | 第18-19页 |
| 2.2.2 GEP的基因 | 第19-20页 |
| 2.2.3 GEP的染色体 | 第20-21页 |
| 2.2.4 GEP的遗传操作 | 第21-25页 |
| 2.2.5 GEP的适应度函数 | 第25-26页 |
| 2.3 基因表达式编程与类似算法的比较 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 基于远缘融合的小生境技术的基因表达式编程算法 | 第28-36页 |
| 3.1 算法的基本思想 | 第28页 |
| 3.2 基于远缘融合的小生境技术的GEP算法 | 第28-32页 |
| 3.2.1 种群初始化 | 第29-30页 |
| 3.2.2 适应度函数 | 第30页 |
| 3.2.3 预选择 | 第30页 |
| 3.2.4 远缘融合的小生境技术 | 第30-32页 |
| 3.3 基于远缘融合的小生境技术的GEP算法性能试验分析 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 基于OFN-GEP的电力负荷预测 | 第36-44页 |
| 4.1 基因表达式编程建模预测的合理性分析 | 第36页 |
| 4.2 电力负荷预测 | 第36-38页 |
| 4.2.1 电力负荷预测的分类 | 第36-37页 |
| 4.2.2 电力负荷预测影响因素的分析 | 第37-38页 |
| 4.3 基于OFN-GEP的电力负荷预测模型构建及预测分析 | 第38-43页 |
| 4.3.1 仿真实验环境简介 | 第38页 |
| 4.3.2 数据来源及构建 | 第38-39页 |
| 4.3.3 基于OFN-GEP算法的模型构建 | 第39-40页 |
| 4.3.4 基于OFN-GEP算法预测模型的预测 | 第40-41页 |
| 4.3.5 基于OFN-GEP算法预测模型的评价 | 第41-43页 |
| 4.4 本章小结 | 第43-44页 |
| 5 电力负荷预测原型系统 | 第44-52页 |
| 5.1 电力负荷预测原型系统需求分析 | 第44页 |
| 5.2 电力负荷预测原型系统流程设计 | 第44-47页 |
| 5.2.1 系统总体设计 | 第44-45页 |
| 5.2.2 系统模块设计 | 第45页 |
| 5.2.3 系统界面设计 | 第45-47页 |
| 5.3 电力负荷预测原型系统实现 | 第47-50页 |
| 5.3.1 系统开发与运行环境 | 第47-48页 |
| 5.3.2 系统实现过程 | 第48-50页 |
| 5.4 本章小结 | 第50-52页 |
| 6 总结与展望 | 第52-54页 |
| 6.1 工作总结 | 第52页 |
| 6.2 工作展望 | 第52-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第60页 |