| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 冰蓄冷系统简介 | 第10-14页 |
| 1.2.1 冰蓄冷概念 | 第10-13页 |
| 1.2.2 冰蓄冷空调系统控制策略 | 第13-14页 |
| 1.3 负荷预测控制的国内外研究现状 | 第14-17页 |
| 1.3.1、BP神经网络在冰蓄冷系统的应用 | 第15-16页 |
| 1.3.2、RBF神经网络在冰蓄冷系统的应用 | 第16页 |
| 1.3.3、SVM神经网络 | 第16-17页 |
| 1.4 课题的背景和主要工作 | 第17-20页 |
| 第2章 冰蓄冷空调实验项目系统介绍 | 第20-30页 |
| 2.1 引言 | 第20页 |
| 2.2 系统主要配置及技术特点 | 第20-22页 |
| 2.3 系统流程及运行模式 | 第22-25页 |
| 2.4 冰蓄冷空调监测系统 | 第25-28页 |
| 2.4.1、自动控制系统 | 第25-26页 |
| 2.4.2、实测温度数据和空调负荷数据示例 | 第26-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 冰蓄冷空调系统常用负荷预测方法 | 第30-42页 |
| 3.1 负荷预测的发展过程 | 第30-31页 |
| 3.1.1、国外负荷预测研究 | 第30-31页 |
| 3.1.2、国内负荷预测研究 | 第31页 |
| 3.2 人工神经网络原理 | 第31-33页 |
| 3.3 神经网络BP算法 | 第33-38页 |
| 3.3.1、BP神经网络模型描述 | 第33-35页 |
| 3.3.2、BP模型的学习算法 | 第35-37页 |
| 3.3.3、BP学习算法的不足和改进 | 第37-38页 |
| 3.4 神经网络RBF算法 | 第38-41页 |
| 3.4.1、RBF神经网络的基本结构及数学模型 | 第38-40页 |
| 3.4.2、RBF神经网络的基本学习方法 | 第40-41页 |
| 3.4.3、RBF神经网络总结 | 第41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 SVM支持向量机 | 第42-54页 |
| 4.1 统计学习理论 | 第42-45页 |
| 4.1.1 机器学习问题 | 第42-43页 |
| 4.1.2 统计学习理论的基本概念 | 第43-45页 |
| 4.2 支持向量机的基本原理 | 第45-52页 |
| 4.2.1 最优分类面和支持向量 | 第45-48页 |
| 4.2.2 核函数 | 第48-49页 |
| 4.2.3 多分类问题 | 第49-52页 |
| 4.3 本章小结 | 第52-54页 |
| 第5章 神经网络冰蓄冷负荷预测 | 第54-62页 |
| 5.1 BP神经网络负荷预测 | 第54-58页 |
| 5.1.1 对数据进行处理 | 第54-55页 |
| 5.1.2 Matlab BP神经网络程序流程 | 第55-56页 |
| 5.1.3 BP神经网络预测结果 | 第56-58页 |
| 5.2 RBF神经网络负荷预测 | 第58-61页 |
| 5.2.1 Matlab RBF神经网络程序流程 | 第58-59页 |
| 5.2.2 RBF神经网络预测结果 | 第59-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第6章 基于Lib-SVM的冰蓄冷负荷预测 | 第62-88页 |
| 6.1 Lib-SVM介绍及环境配置方法 | 第62-63页 |
| 6.1.1 Lib-SVM介绍 | 第62页 |
| 6.1.2 Lib-SVM运行环境配置方法 | 第62-63页 |
| 6.2 Lib-SVM使用方式及数据格式特点 | 第63-64页 |
| 6.3 Lib-SVM Windows版本工具 | 第64-70页 |
| 6.4 基于Lib-SVM的冰蓄冷系统负荷预测 | 第70-79页 |
| 6.4.1 实验项目SVM分类方式 | 第70-71页 |
| 6.4.2 实验项目数据处理 | 第71-72页 |
| 6.4.3 Libsvm对数据归一化处理 | 第72-73页 |
| 6.4.4 Libsvm对数据训练 | 第73-75页 |
| 6.4.5 Libsvm对数据测试 | 第75-78页 |
| 6.4.6 本节小结 | 第78-79页 |
| 6.5 Matlab仿真测试libsvm计算参数的实际预测效果 | 第79-87页 |
| 6.5.1 第一级分类器Matlab仿真测试 | 第80-81页 |
| 6.5.2 第二级分类器Matlab仿真测试 | 第81-82页 |
| 6.5.3 BC级分类器Matlab仿真测试 | 第82-83页 |
| 6.5.4 DE级分类器Matlab仿真测试 | 第83-84页 |
| 6.5.5 冰蓄冷负荷预测在实际工程应用 | 第84-87页 |
| 6.5.6 本节小结 | 第87页 |
| 6.6 本章小结 | 第87-88页 |
| 结论 | 第88-90页 |
| 参考文献 | 第90-94页 |
| 致谢 | 第94页 |