| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究的背景 | 第9页 |
| 1.2 国内外研究现状分析 | 第9-12页 |
| 1.2.1 国外研究现状 | 第10页 |
| 1.2.2 国内研究现状 | 第10-12页 |
| 1.3 研究的意义和内容 | 第12-13页 |
| 1.3.1 研究意义 | 第12页 |
| 1.3.2 研究内容 | 第12-13页 |
| 1.4 小结 | 第13-14页 |
| 第二章 埋地管道腐蚀及影响因素 | 第14-21页 |
| 2.1 埋地管道的特点 | 第14页 |
| 2.2 金属腐蚀评定方法 | 第14-15页 |
| 2.3 埋地管道腐蚀类型 | 第15-17页 |
| 2.3.1 孔蚀 | 第15-16页 |
| 2.3.2 缝隙腐蚀 | 第16页 |
| 2.3.3 电偶腐蚀 | 第16页 |
| 2.3.4 应力腐蚀 | 第16-17页 |
| 2.4 埋地管道的腐蚀因素分析 | 第17-20页 |
| 2.4.1 环境因素 | 第18页 |
| 2.4.2 土壤腐蚀因素 | 第18-20页 |
| 2.4.3 结构因素 | 第20页 |
| 2.5 小结 | 第20-21页 |
| 第三章 基于PCA-RBF埋地管道腐蚀速率预测 | 第21-28页 |
| 3.1 PCA-RBF神经网络 | 第21-23页 |
| 3.1.1 主元分析 | 第21-22页 |
| 3.1.2 径向基函数神经网络 | 第22-23页 |
| 3.2 PCA-RBF埋地管道腐蚀速率预测模型 | 第23-24页 |
| 3.3 实例应用 | 第24-27页 |
| 3.3.1 输入变量选择 | 第24页 |
| 3.3.2 建立预测模型 | 第24-26页 |
| 3.3.3 结果分析 | 第26-27页 |
| 3.4 小结 | 第27-28页 |
| 第四章 LSSVM在埋地管道腐蚀预测中的应用 | 第28-36页 |
| 4.1 最小二乘支持向量机模型 | 第28-31页 |
| 4.1.1 支持向量机 | 第28-30页 |
| 4.1.2 最小二乘支持向量机 | 第30-31页 |
| 4.2 模型参数优化 | 第31-33页 |
| 4.3 实例应用 | 第33-35页 |
| 4.3.1 收集训练样本 | 第33页 |
| 4.3.2 模型训练 | 第33-34页 |
| 4.3.3 结果分析 | 第34-35页 |
| 4.4 小结 | 第35-36页 |
| 第五章 AIGA-WLSSVM埋地管道腐蚀速率预测 | 第36-46页 |
| 5.1 自适应免疫遗传算法 | 第36-40页 |
| 5.1.1 人工免疫优化 | 第36-38页 |
| 5.1.2 自适应遗传算法 | 第38页 |
| 5.1.3 自适应免疫遗传算法 | 第38-40页 |
| 5.2 加权最小二乘支持向量机 | 第40-42页 |
| 5.3 实例应用 | 第42-45页 |
| 5.3.1 样本选取 | 第42页 |
| 5.3.2 模型建立 | 第42-44页 |
| 5.3.3 结果讨论 | 第44-45页 |
| 5.4 小结 | 第45-46页 |
| 第六章 结论 | 第46-48页 |
| 6.1 工作总结 | 第46页 |
| 6.2 研究展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 附录 | 第52-59页 |
| 个人简历 | 第59页 |
| 在硕士期间发表的论文和参与的项目 | 第59页 |