基于小波分析和神经网络的冰蓄冷空调负荷预测研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 物理量名称及符号表 | 第5-8页 |
| 第1章 绪论 | 第8-16页 |
| ·课题背景及意义 | 第8-10页 |
| ·课题背景 | 第8-9页 |
| ·课题意义 | 第9-10页 |
| ·国内外冰蓄冷空调负荷预测研究现状 | 第10-15页 |
| ·冰蓄冷空调发展史 | 第10-11页 |
| ·冰蓄冷空调负荷特性 | 第11-13页 |
| ·国外空调负荷预测研究综述 | 第13-14页 |
| ·国内空调负荷预测研究综述 | 第14-15页 |
| ·本课题主要研究内容 | 第15-16页 |
| 第2章 室外逐时气象参数预测 | 第16-31页 |
| ·温度预测 | 第16-23页 |
| ·常用逐时温度预测方法 | 第16-19页 |
| ·逐时温度预测模型的选择 | 第19-20页 |
| ·逐时温度预测实例分析 | 第20-23页 |
| ·逐时太阳辐射的预测 | 第23-29页 |
| ·太阳辐射预测方法 | 第23-26页 |
| ·太阳辐射预测实例分析 | 第26-29页 |
| ·相对湿度的预测 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 BP 网络预测冰蓄冷空调逐时冷负荷 | 第31-49页 |
| ·人工神经网络理论简介 | 第31-38页 |
| ·人工神经元模型 | 第31-33页 |
| ·神经网络基本结构 | 第33-34页 |
| ·BP 网络学习规则 | 第34-37页 |
| ·人工神经网络的评价指标 | 第37页 |
| ·神经网络的特性 | 第37-38页 |
| ·BP 神经网络预测模型 | 第38-46页 |
| ·BP 神经网络构建 | 第38-39页 |
| ·神经网络输入、输出变量的选取 | 第39-41页 |
| ·BP 神经网络的隐层数及隐层节点数 | 第41-43页 |
| ·BP 网络结构 | 第43-44页 |
| ·特征因素的量化 | 第44页 |
| ·输入数据预处理 | 第44-46页 |
| ·BP 网络预测冰蓄冷空调负荷实例分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 小波-BP 网络预测逐时冷负荷 | 第49-62页 |
| ·小波理论 | 第49-51页 |
| ·小波变换 | 第49-50页 |
| ·连续小波变换 | 第50页 |
| ·离散小波变换 | 第50-51页 |
| ·小波-BP 网络预测模型 | 第51-60页 |
| ·小波-BP 网络模型结构 | 第52页 |
| ·小波函数的选择 | 第52-54页 |
| ·小波函数分解尺度的选择 | 第54-56页 |
| ·低频信号的预测 | 第56-58页 |
| ·高频信号的预测 | 第58-59页 |
| ·最终预测结果 | 第59-60页 |
| ·小波-BP 网络法与BP 网络法预测的对比分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68页 |
