1、“.....随着我国经济突飞猛进地发展，特别是高新技术产业的 突起，对钼深加工产品的需求量不断增加，可制作发射线整流管及伦琴射线管的材料， 也可制作高温电炉材料，钼钢丝制作透气平机叶片和火箭发 动机及其零部件。 市场现状及需求趋势 钼是不可再生且资源有限的稀有金属，因其耐高温耐 磨硬棒钼丝等钼系 列制品广泛应用于电灯和无线电电子工业。钼铁在我国有关 企业厂家和重点工业，所需该原料供不应求，产品市场价格 在万元左右吨。如钼丝可做灯泡中加热的小钩和电子管 栅极。钼片带化 肥催化剂等。 七钼酸铵，又称仲钼酸 铵，具有很高的水溶性，广泛用于石油化工催化剂，尤其是 丙烯腈催化剂，还应用于农业和金属钼的生产。 钼系列制品钼铁钼片钼氧化钼钼粉制造钼板钼丝和钼原件......”。

2、“..... 四钼酸铵，微溶于水， 溶于碱和氨水，用于生产加氢脱硫等石油精炼催化剂宇航等重要部门都有 着广泛的应用和良好的前景，成为国民经济中种重要的原 料和不可替代的战略物质。 钼酸铵各种钼酸铵均呈白色结晶体。二钼酸铵，溶于水和碱类， 适于生产三导电率大，导热性好，在常温下不与盐酸氢酸及碱溶 液反应，仅溶于硝酸王水或浓硫酸之中。对大多氟数液态 金属，非金属溶渣和熔融玻璃亦相当稳定。因此，钼及其合 金在冶金农业电气化工环保和宇导电率大，导热性好，在常温下不与盐酸氢酸及碱溶 液反应，仅溶于硝酸王水或浓硫酸之中。对大多氟数液态 金属，非金属溶渣和熔融玻璃亦相当稳定。因此......”。

3、“.....成为国民经济中种重要的原 料和不可替代的战略物质。 钼酸铵各种钼酸铵均呈白色结晶体。二钼酸铵，溶于水和碱类， 适于生产三氧化钼钼粉制造钼板钼丝和钼原件，还广 泛应工作日测试代码如下有赵老师的悉心指导，本论文也不可能完成得如此顺利。在为期几个月的设计中，同学们的团结互助，无私帮助让我十分的感动，如果在这几个月中，我单凭己之力要完成本设计是十分困难的，因为本设计的知识和内容大部分是以前未曾接触的，有许多新的东西要求我在短短几个月内消化吸收。但我们小组做为个团队，大家相互帮助，相互鼓励，互相监督，共同讨论和解决问题，使论文能高质高效的完成。此外，我还要感谢我所列参考文献的作者，正是他们的许多研究成果给了我很大的帮助，在此表示诚挚的谢意.这里利用仿真函数来计算网络的输出......”。

4、“.....休息日预报误差曲线所示,图.工作日预报误差曲线所示。图.休息日预报误差图.工作日预报误差结论分析电力负荷预测是电力调度用电计划规划等部门的重要工作，国内外关于短期负荷预测的文献很多，但是由于电力负荷受诸多因素的影响和负荷本身的不确定性，使得迄今还没有种十分满意的方法。本文介绍的基于神经网络的预测方法，在综合考虑天气情况历史负荷和日类型等对未来负荷影响的因素后，使用了神经网络的非线性拟合等功能，取得了较好的负荷预测效果。如表.休息日预测结果对照所示，如表.工作日预测结果对照所示。表.休息日预测结果对照预测时段实际值预测值误差从表.可见，个点的误差的绝对百分误差小于，最小绝对百分误差为.，最大绝对百分误差为.，平均绝对百分误差为.，表明预测取得了较满意的结果。表......”。

5、“.....可见，个点的误差的绝对百分误差小于，最小绝对百分误差为.，最大绝对百分误差为.，平均绝对百分误差为.，表明预测取得了较满意的结果。结束语本文介绍的电力短期负荷预测的特点，即都是受多个影响因素共同影响，且各个因素之间有着比较复杂的关系，具有高度不确定的非线性系统，利用传统的预测方法行范围更大。但实际工作时的输入信号很难事先给定，因为控制目标是使系统输出具有期望的运动，对于未知控制系统期望输入不可能给出。另方面，在系统预报中，为保证参数估计算法的致收敛，必须使用定的持续激励的输入信号。对于神经网络，这是个仍有待于进步研究的问题。.电力系统短期负荷预测建模及实现负荷预测对电力系统控制运行和计划都有着重要的意义。电力系统负荷变化受多方面的影响，方面......”。

6、“.....又具有周期变化的规律性，这也使得负荷曲线具有相似性。同时，由于受天气节假日等特殊情况的影响，又使负荷变化出现差异。由于神经网络所具有的较强的非线性映射等特性，它常被用于负荷预测。本文采用软件编程仿真，具体过程如下所示问题描述电力系统负荷短期预报问题的解决办法和方式可以分为统计技术专家系统法和神经网络法等。众所周知，负荷曲线是很多因素相关的个非线性函数。对于抽样和逼近这种非线性函数，神经网络是种合适的方法。神经网络的优点在于它具有模拟多变量而不需要对输入变量做复杂的相关假设的能力。它不依靠专家经验，只利用观察到的数据，可以从训练过程中通过学习来抽样和逼近隐含的输入输出非线性的关系。近年来的研究表明，相对于前两种方法，利用神经网络技术进行电力系统短期负荷预报可获得更高的精度......”。

7、“.....个特别重要的问题是如何划分负荷类型或日期类型。纵观已经发表的文献资料，大体有以下几种划分模式将周的天分为工作日星期到星期五和休息日星期六和星期天等两种类型将周分为星期星期二到星期四星期五星期六星期天等种类型。将周的天每天都看做种类型，共有种类型。本文采用第种负荷划分模式，将周的天分为工作日星期到星期五和休息日星期六和星期天等两种类型。输入输出向量设计在预测日的前天中，每个小时对电力负荷进行次测量，这样来，天共测得组负荷数据。由于负荷值曲线相邻的点之间不会发生突变，因此后时刻的值必然和前时刻的值有关，除非出现重大事故等特殊情况。所以这里将前天的实时负荷数据作为网络的样本数据。此外，由于电力负荷还与环境因素有关，如最高和最低温度等。因此，还需要通过天气预报等手段获得预测日的最高和最低温度......”。

8、“.....因此，输入变量就是个维的向量。显而易见，目标向量就是预测日当天的个负荷值，即天中每个整点的电力负荷。这样来，输出变量就成为个维的向量。获得输入和输出变量后，要对其进行归化处理，将数据处理为区间，之间的数据。归化方法有许多种形式，这里采用如下公式在样本中，输入向量为预测日前天的电力实际负荷数据，目标向量是预测日当天的电力负荷。由于这都是实际的测量值，因此，这些数据可以对网络进行有效的训练。如果从提高网络精度的角度出发，方面可以增加网络训练样本的数目，另方面还可以增加输入向量的维数。即，或者增加每日的测量点，或者把预测日前几天的负荷数据作为输入向量。目前，训练样本数目的确定没有通用的方法，般认为样本过少可能使得网络的表达不够充分......”。

9、“.....既增加了网络的训练负担，也可能出现信息量过剩使得网络出现过拟合现象。总之，样本的选取过程需要注意代表性均衡性和用电负荷的自身特点，从而选择合理的训练样本。网络的设计本文依据人工神经网络来建模，根据网络来预测点负荷。如图.预测点负荷的网络。图.预测点负荷的网络网络是系统预测中应用特别广泛的种网络形式，因此，本文采用网络对负荷值进行预报。根据网络来设计网络，般的预测问题都可以通过单隐层的网络实现。本文由于输入向量有个元素，所以网络输入层的神经元有个，经过多次训练网络中间层的神经元可以取个。而输出向量有个，所以输出层中的神经元应该有个。网络中间层的神经元传输函数采用型正切函数，输出层神经元传递函数采用型对数函数。这是因为函数的输出位于区间，中......”。