| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题背景及研究意义 | 第9-10页 |
| ·研究背景 | 第9页 |
| ·研究意义 | 第9-10页 |
| ·课题研究现状 | 第10-11页 |
| ·组合预测理论研究现状 | 第10页 |
| ·电力负荷预测研究现状 | 第10-11页 |
| ·研究内容 | 第11-13页 |
| 第2章 理论基础 | 第13-22页 |
| ·Elman神经网络 | 第13-15页 |
| ·小波神经网络 | 第15-18页 |
| ·小波神经网络结构形式 | 第15-16页 |
| ·小波神经网络学习算法 | 第16-18页 |
| ·变权组合预测 | 第18-19页 |
| ·预测误差分析 | 第19-22页 |
| ·预测误差产生的原因 | 第20页 |
| ·预测误差的计算分析 | 第20-22页 |
| 第3章 基于混沌时间序列的Elman神经网络工业用电预测 | 第22-28页 |
| ·引言 | 第22页 |
| ·时间序列混沌性的判别 | 第22-23页 |
| ·混沌时间序列相空间重构 | 第23-24页 |
| ·重构相空间 | 第24页 |
| ·混沌特证数的确定 | 第24页 |
| ·案例分析 | 第24-27页 |
| ·小结 | 第27-28页 |
| 第4章 基于遗传算法的小波神经网络工业用电预测 | 第28-34页 |
| ·引言 | 第28页 |
| ·遗传算法 | 第28-31页 |
| ·编码技术和解码技术 | 第29页 |
| ·初始群体的设定 | 第29页 |
| ·适应度函数 | 第29-30页 |
| ·遗传操作 | 第30-31页 |
| ·基于遗传算法的小波神经网络 | 第31-32页 |
| ·实例仿真 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第5章 基于改进变权组合预测模型的工业用电预测 | 第34-38页 |
| ·引言 | 第34页 |
| ·改进的变权组合预测模型 | 第34-35页 |
| ·案例分析 | 第35-37页 |
| ·小结 | 第37-38页 |
| 第6章 结论 | 第38-39页 |
| 参考文献 | 第39-42页 |
| 在学研究成果 | 第42-43页 |
| 致谢 | 第43页 |