| 中文摘要 | 第1页 |
| 英文摘要 | 第3-6页 |
| 第一章 引言 | 第6-10页 |
| ·论文的选题背景及意义 | 第6-7页 |
| ·选题背景 | 第6-7页 |
| ·选题意义 | 第7页 |
| ·国内外研究动态 | 第7-9页 |
| ·国内外预警理论研究综述 | 第7-8页 |
| ·电力供需预警研究现状 | 第8-9页 |
| ·论文研究的主要内容 | 第9页 |
| ·论文采用的主要方法和创新之处 | 第9-10页 |
| 第二章 电力供需预警的基本理论体系 | 第10-15页 |
| ·电力供需预警研究的理论基础 | 第10-11页 |
| ·电力需求周期波动原理 | 第10页 |
| ·可持续发展理论 | 第10-11页 |
| ·相关性理论 | 第11页 |
| ·系统性原理 | 第11页 |
| ·电力供需预警的功能 | 第11-12页 |
| ·参照功能 | 第11-12页 |
| ·纠偏功能 | 第12页 |
| ·动态管理功能 | 第12页 |
| ·超前调控功能 | 第12页 |
| ·电力供需预测算法分析 | 第12-15页 |
| ·回归分析法 | 第12-13页 |
| ·时间序列分析法 | 第13页 |
| ·灰色预测模型 | 第13页 |
| ·专家系统法 | 第13页 |
| ·模糊预测法 | 第13-14页 |
| ·人工神经网络模型 | 第14页 |
| ·支持向量机模型 | 第14页 |
| ·粗集—支持向量机模型 | 第14-15页 |
| 第三章 电力供需预警指标体系的建立与分析 | 第15-20页 |
| ·建立电力供需预警指标体系的基本原则 | 第15页 |
| ·电力供需预警指标体系 | 第15-20页 |
| ·警情指标 | 第15-16页 |
| ·电力供需警情影响因素分析 | 第16-18页 |
| ·警度划分 | 第18页 |
| ·确定警限 | 第18-20页 |
| 第四章 基于 RS 理论数据预处理的SVM 预测模型 | 第20-33页 |
| ·电力供需预警指标筛选 | 第20-25页 |
| ·粗集理论基本原理 | 第21-22页 |
| ·基于粗集属性归约的电力供需预警指标筛选 | 第22-25页 |
| ·利用粗集理论进行预警指标筛选的可行性 | 第25页 |
| ·基于 SVM 的电力供需预测模型 | 第25-31页 |
| ·支持向量机基本原理 | 第26-29页 |
| ·基于SVM 回归算法的电力供需预测 | 第29-31页 |
| ·模型总体框架及优缺点分析 | 第31-33页 |
| ·基于RS 数据预处理的 SVM 预测模型总体框架 | 第31-32页 |
| ·基于RS 数据预处理的 SVM 预测模型的优缺点分析 | 第32-33页 |
| 第五章 电力供需预警实证研究 | 第33-47页 |
| ·我国电力供需形势分析 | 第33-36页 |
| ·2005 年上半年我国电力供需形势分析 | 第33-35页 |
| ·电力供需主要影响因素分析 | 第35-36页 |
| ·全国电力供需预警分析 | 第36-47页 |
| ·建立电力供需预测决策信息表 | 第36-38页 |
| ·基于粗集理论的预测指标预处理 | 第38-40页 |
| ·基于支持向量机回归算法的电力供需预测 | 第40-43页 |
| ·2005-2008 年电力供需预警分析 | 第43-44页 |
| ·对我国电力工业发展的几点建议 | 第44-47页 |
| 第六章 结论与展望 | 第47-49页 |
| ·本文结论 | 第47-48页 |
| ·有待深入研究的问题 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 在学期间发表的学术论文和参加科研情况 | 第54页 |
