电力营销决策支持系统的设计
| 中文摘要 | 第1页 |
| 英文摘要 | 第3-7页 |
| 第一章 引言 | 第7-12页 |
| 1．1 项目的提出和意义 | 第7-8页 |
| 1．2 文献综述 | 第8-10页 |
| 1．2．1 DSS的定义 | 第8页 |
| 1．2．2 DSS的产生与发展 | 第8-10页 |
| 1．3 决策支持的现状 | 第10-12页 |
| 第二章 电力营销决策支持系统的组成与设计 | 第12-29页 |
| 2．1 系统设计中的相关技术 | 第12-24页 |
| 2．1．1 数据抽取 | 第12-15页 |
| 2．1．2 数据仓库 | 第15-18页 |
| 2．1．3 数据分析 | 第18-24页 |
| 2．1．4 指标预测 | 第24页 |
| 2．2 系统结构的设计 | 第24-29页 |
| 2．2．1 系统构建的相关问题 | 第24-27页 |
| 2．2．2 系统体系结构 | 第27-29页 |
| 第三章 指标数据预测技术 | 第29-45页 |
| 3．1 预测模块结构 | 第29-31页 |
| 3．1．1 模型库 | 第30页 |
| 3．1．2 模型管理 | 第30-31页 |
| 3．2 主要预测模型 | 第31-36页 |
| 3．2．1 主要模型描述 | 第31-32页 |
| 3．2．2 部分相关算法介绍 | 第32-36页 |
| 3．3 预测策略 | 第36-38页 |
| 3．3．1 丰富的预测模型 | 第36页 |
| 3．3．2 基于模型库的预测模型管理 | 第36-37页 |
| 3．3．3 组合模型预测技术 | 第37页 |
| 3．3．4 预测过程控制技术 | 第37页 |
| 3．3．5 历史数据的预处理技术 | 第37-38页 |
| 3．3．6 预测结果评价与自动参数修正技术 | 第38页 |
| 3．3．7 预测结果的人工干预 | 第38页 |
| 3．4 神经网络预测模型 | 第38-45页 |
| 3．4．1 神经网络概念 | 第38-39页 |
| 3．4．2 神经网络的优点 | 第39-40页 |
| 3．4．3 主要的神经网络模型 | 第40-43页 |
| 3．4．4 神经网络在预测中的应用 | 第43-45页 |
| 第四章 神经网络算法改进与实现 | 第45-62页 |
| 4．1 基本BP神经网络算法 | 第45-47页 |
| 4．1．1 BP神经网络 | 第45-46页 |
| 4．1．2 BP神经网络基本算法 | 第46-47页 |
| 4．2 BP网络的缺点及改进 | 第47-62页 |
| 4．2．1 BP网络的主要缺点 | 第47-48页 |
| 4．2．2 相关优化算法 | 第48-54页 |
| 4．2．3 针对BP网络缺点的改进 | 第54-58页 |
| 4．2．4 BP网络在电量预测实际应用中的改进 | 第58-62页 |
| 第五章 泰安程序简介 | 第62-70页 |
| 5．1 数据分析 | 第62-65页 |
| 5．1．1 售电分析 | 第62页 |
| 5．1．2 重点用户分析 | 第62-63页 |
| 5．1．3 电费回收分析 | 第63页 |
| 5．1．4 业扩申请完成分析 | 第63-64页 |
| 5．1．5 用电业务分析 | 第64页 |
| 5．1．6 线损分析 | 第64页 |
| 5．1．7 电厂管理分析 | 第64页 |
| 5．1．8 用电检查分析 | 第64-65页 |
| 5．2 业务监控 | 第65页 |
| 5．3 指标预测 | 第65-70页 |
| 5．3．1 整体结构 | 第66页 |
| 5．3．2 预测模型库 | 第66-67页 |
| 5．3．3 数据预处理 | 第67页 |
| 5．3．4 界面展示 | 第67-68页 |
| 5．3．5 预测结果分析 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6．1 总结 | 第70页 |
| 6．2 下一步工作 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 在学期间发表的学术论文和参加科研情况 | 第77页 |
