| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第15-48页 |
| 1.1 课题研究背景及意义 | 第15-18页 |
| 1.1.1 课题背景 | 第15-16页 |
| 1.1.2 研究目的 | 第16-17页 |
| 1.1.3 研究意义 | 第17-18页 |
| 1.2 国内外研究现状综述 | 第18-38页 |
| 1.2.1 应急管理研究综述 | 第18-24页 |
| 1.2.2 集成案例推理研究综述 | 第24-34页 |
| 1.2.3 应对规划研究综述 | 第34-38页 |
| 1.3 研究问题界定及研究内容 | 第38-41页 |
| 1.3.1 研究问题界定 | 第38-39页 |
| 1.3.2 主要研究内容 | 第39-41页 |
| 1.4 研究方法与技术路线 | 第41-45页 |
| 1.4.1 研究方法 | 第41-43页 |
| 1.4.2 技术路线 | 第43-45页 |
| 1.5 论文框架 | 第45-48页 |
| 第2章 面向电网突发事件应对规划的集成案例推理体系研究 | 第48-71页 |
| 2.1 电网突发事件及其特点 | 第48-52页 |
| 2.1.1 电网突发事件概述 | 第48-50页 |
| 2.1.2 电网突发事件特点及其案例推理需求 | 第50-52页 |
| 2.2 基于ABC本体模型的电网突发事件应急案例结构研究 | 第52-60页 |
| 2.2.1 本体模型相关研究 | 第52-55页 |
| 2.2.2 电网突发事件应急案例结构研究 | 第55-57页 |
| 2.2.3 基于ABC本体模型的电网突发事件应急案例本体模型构建 | 第57-60页 |
| 2.3 基于案例推理的电网突发事件应急决策方法 | 第60-64页 |
| 2.3.1 面向电网突发事件应对规划的应急案例推理原理及流程 | 第60-63页 |
| 2.3.2 基于CBR的突发事件应急决策的优势 | 第63-64页 |
| 2.4 面向电网突发事件应对规划的集成案例推理体系结构 | 第64-67页 |
| 2.4.1 面向电网突发事件应对规划的集成案例推理模型 | 第64-66页 |
| 2.4.2 面向电网突发事件应对规划的集成案例推理总体结构 | 第66-67页 |
| 2.4.3 面向电网突发事件应对规划的集成案例推理体系的作用 | 第67页 |
| 2.5 面向电网突发事件应对规划的集成案例推理关键技术 | 第67-70页 |
| 2.5.1 情景信息不完备条件下电网突发事件应急案例的表示方法 | 第67-68页 |
| 2.5.2 情景信息不完备条件下电网突发事件应急案例的检索方法 | 第68-69页 |
| 2.5.3 电网突发事件应急案例适配方法 | 第69页 |
| 2.5.4 电网突发事件应急案例库扩充方法 | 第69-70页 |
| 2.6 本章小结 | 第70-71页 |
| 第3章 情景信息不完备条件下电网突发事件应急案例结构化方法研究 | 第71-95页 |
| 3.1 案例表示方法及其需求 | 第71-73页 |
| 3.1.1 主要案例表示方法 | 第71-72页 |
| 3.1.2 面向情景应对的电网应急案例表示需求 | 第72-73页 |
| 3.2 情景信息不完备条件下电网应急案例框架表示方法 | 第73-78页 |
| 3.2.1 基于ECOM本体模型的电网应急案例特征选取 | 第73-74页 |
| 3.2.2 融合D/S证据理论的电网应急案例框架表示方法 | 第74-78页 |
| 3.3 情景信息不完备条件下电网应急案例检索方法 | 第78-86页 |
| 3.3.1 基本信任分配值的获取 | 第78-83页 |
| 3.3.2 具有多数据属性的应急案例局部相似度计算 | 第83-85页 |
| 3.3.3 基于G1法的电网应急案例全局相似度的计算 | 第85-86页 |
| 3.4 用例分析 | 第86-94页 |
| 3.5 本章小结 | 第94-95页 |
| 第4章 基于并行的改进后向传播神经网络结构的案例适配方法研究 | 第95-107页 |
| 4.1 常用的案例适配方法 | 第95-96页 |
| 4.2 后向传播神经网络 | 第96-98页 |
| 4.2.1 后向传播神经网络应用于电网突发事件应急的理论基础 | 第96-97页 |
| 4.2.2 后向传播神经网络的改进方法 | 第97-98页 |
| 4.3 基于自适应模拟退火算法的后向传播神经网络 | 第98-105页 |
| 4.3.1 基于自适应模拟退火算法的后向传播神经网络模型 | 第98-102页 |
| 4.3.2 基于自适应模拟退火算法的后向传播神经网络构建 | 第102-105页 |
| 4.4 应用与讨论 | 第105-106页 |
| 4.4.1 应用 | 第105-106页 |
| 4.4.2 讨论 | 第106页 |
| 4.5 本章小结 | 第106-107页 |
| 第5章 基于规则推理和改进多目标遗传算法的应急案例库扩充方法 | 第107-126页 |
| 5.1 主要的案例库扩充方法 | 第107-108页 |
| 5.2 基于RBR和改进多目标遗传算法的应急案例库扩充原理 | 第108-113页 |
| 5.2.1 基于相似关系的案例库构建原理 | 第108-110页 |
| 5.2.2 基于规则推理和改进多目标遗传算法扩充案例库的理论依据 | 第110-113页 |
| 5.3 基于RBR和改进多目标遗传算法的案例库扩充方法实现 | 第113-119页 |
| 5.3.1 体系结构 | 第113-114页 |
| 5.3.2 基于组合相似算法和产生式规则的RBR模块实现 | 第114-115页 |
| 5.3.3 基于灰色关联-多目标遗传算法的案例适配的实现 | 第115-119页 |
| 5.4 结果与应用 | 第119-124页 |
| 5.4.1 实例应用 | 第120-121页 |
| 5.4.2 结果有效性分析 | 第121-124页 |
| 5.5 讨论 | 第124-125页 |
| 5.6 本章小结 | 第125-126页 |
| 第6章 电网突发事件集成案例推理系统开发及应用 | 第126-140页 |
| 6.1 电网突发事件集成案例推理系统开发 | 第126-130页 |
| 6.2 电网突发事件集成案例推理系统实例验证 | 第130-139页 |
| 6.3 本章小结 | 第139-140页 |
| 结论 | 第140-142页 |
| 参考文献 | 第142-156页 |
| 攻读博士学位期间发表的论文及其它成果 | 第156-159页 |
| 致谢 | 第159-160页 |
| 个人简历 | 第160页 |
