基于模糊计算理论的管网检测数据分析与预测技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-25页 |
| ·研究背景及意义 | 第10-11页 |
| ·模糊计算研究进展 | 第11-13页 |
| ·模糊计算理论与模糊系统 | 第11-12页 |
| ·模糊计算理论的研究进展 | 第12-13页 |
| ·模糊计算理论概述 | 第13-18页 |
| ·模糊逻辑推理 | 第13-15页 |
| ·模糊控制器 | 第15页 |
| ·模糊神经网络 | 第15-18页 |
| ·管道失效预测技术现有方法介绍 | 第18-23页 |
| ·本文主要研究内容 | 第23-25页 |
| 第二章 管网检测数据管理与失效模式诊断分析 | 第25-47页 |
| ·引言 | 第25页 |
| ·管网检测数据管理 | 第25-31页 |
| ·管道检测数据收集与管理概况 | 第25-26页 |
| ·管网检测数据特征抽象 | 第26-29页 |
| ·管道失效数据因素分析TreeView结构 | 第29-31页 |
| ·管道失效数据标准语数据管理 | 第31-37页 |
| ·管道失效数据标准 | 第31页 |
| ·管道失效数据管理模型 | 第31-36页 |
| ·管网检测数据管理 | 第36-37页 |
| ·管道影响因素特征指标的建立 | 第37-46页 |
| ·基于权重赋值方法的管道风险因素分析 | 第37-41页 |
| ·主成分分析方法 | 第41-43页 |
| ·因子分析方法 | 第43-44页 |
| ·管道土壤腐蚀特征指标的建立 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第三章 基于混合蚁群算法的模糊神经网络预测方法 | 第47-53页 |
| ·引言 | 第47页 |
| ·模型构建方法 | 第47-50页 |
| ·蚁群聚类算法 | 第47-48页 |
| ·K-均值算法 | 第48页 |
| ·基于混合蚁群算法的模糊神经网络模型 | 第48-50页 |
| ·面向管网检测数据的管道腐蚀失效预测 | 第50-51页 |
| ·管道腐蚀检测数据 | 第50页 |
| ·预测模型应用 | 第50-51页 |
| ·预测结果对比 | 第51页 |
| ·本章小结 | 第51-53页 |
| 第四章 基于模糊过程神经网络的预测方法 | 第53-62页 |
| ·引言 | 第53页 |
| ·过程神经元模型 | 第53-56页 |
| ·过程神经元基本模型 | 第53-54页 |
| ·离散型过程神经元基本模型 | 第54-55页 |
| ·模糊推理过程神经元基本模型 | 第55页 |
| ·输入/输出为连续时间函数的过程神经元基本模型 | 第55-56页 |
| ·基于改进粒子群算法的模糊推理过程神经网络模型 | 第56-59页 |
| ·粒子群优化算法及其改进 | 第56-57页 |
| ·模糊推理过程神经元网络模型 | 第57-58页 |
| ·模型学习算法 | 第58-59页 |
| ·面向管网腐蚀数据的动态预测 | 第59-61页 |
| ·样本筛选及处理 | 第59-60页 |
| ·网络学习及预测结果 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 系统设计与实现 | 第62-67页 |
| ·引言 | 第62页 |
| ·系统框架结构 | 第62-63页 |
| ·系统功能介绍 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 发表文章目录 | 第71-72页 |
| 致谢 | 第72-73页 |
| 详细摘要 | 第73-83页 |
