| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 售电量及预测分类 | 第11-12页 |
| 1.2.1 用电分类 | 第11页 |
| 1.2.2 售电量分类 | 第11-12页 |
| 1.3 国内外研究动态 | 第12-20页 |
| 1.3.1 经典预测法 | 第12-14页 |
| 1.3.2 电网企业预测法 | 第14-16页 |
| 1.3.3 新型特色预测法举例 | 第16-20页 |
| 1.4 课题研究内容和工作安排 | 第20-22页 |
| 第2章 售电量数据处理分析 | 第22-35页 |
| 2.1 秦皇岛地区售电量分析 | 第22-29页 |
| 2.1.1 历史售电量数据分析 | 第22-24页 |
| 2.1.2 分类别售电量分析 | 第24-28页 |
| 2.1.3 综合分析 | 第28-29页 |
| 2.2 预测误差计算 | 第29-30页 |
| 2.3 售电量数据处理 | 第30-34页 |
| 2.3.1 缺失数据填补 | 第30页 |
| 2.3.2 数据平滑处理 | 第30-32页 |
| 2.3.3 归一化处理 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 售电量预测及分析 | 第35-53页 |
| 3.1 人工神经网络概述 | 第35-37页 |
| 3.1.1 单神经元结构模型 | 第35-36页 |
| 3.1.2 单神经元输出的表达式 | 第36页 |
| 3.1.3 神经网络的传递函数 | 第36-37页 |
| 3.2 BP神经网络 | 第37-43页 |
| 3.2.1 BP神经网络结构模型 | 第37-38页 |
| 3.2.2 BP神经网络学习训练步骤 | 第38-39页 |
| 3.2.3 BP神经网络模型设计 | 第39-43页 |
| 3.3 RBF神经网络 | 第43-49页 |
| 3.3.1 RBF神经网络结构模型 | 第43-44页 |
| 3.3.2 RBF神经网络学习训练步骤 | 第44-46页 |
| 3.3.3 RBF神经网络模型设计 | 第46-49页 |
| 3.4 优化组合模型预测方法 | 第49-52页 |
| 3.4.1 误差方差倒数法 | 第50-51页 |
| 3.4.2 优化组合模型预测 | 第51-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第4章 预测误差分析及修正 | 第53-63页 |
| 4.1 误差影响因素 | 第53-57页 |
| 4.2 2017 年3月、12 月售电量预测结果修正 | 第57-60页 |
| 4.3 主要影响因素修正 | 第60-62页 |
| 4.4 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第67-68页 |
| 致谢 | 第68页 |