| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-21页 |
| ·两相流检测技术 | 第11-14页 |
| ·两相流检测技术研究的重要意义 | 第11-12页 |
| ·两相流检测技术的主要参数 | 第12页 |
| ·两相流检测技术的发展现状 | 第12-13页 |
| ·两相流检测技术的发展趋势 | 第13-14页 |
| ·两相流流型辨识方法 | 第14-20页 |
| ·两相流流型辨识研究的重要意义 | 第14页 |
| ·两相流流型辨识的研究现状 | 第14-15页 |
| ·两相流流型辨识的方法 | 第15-18页 |
| ·两相流流型辨识的关键技术 | 第18-19页 |
| ·两相流流型辨识存在的主要问题 | 第19页 |
| ·两相流流型辨识的发展趋势 | 第19-20页 |
| ·课题来源及研究的主要内容 | 第20-21页 |
| 第2章 电阻层析成像技术 | 第21-28页 |
| ·ERT 系统的构成及原理 | 第21-23页 |
| ·ERT 技术的应用研究现状 | 第23-24页 |
| ·ERT 技术的发展历程 | 第23-24页 |
| ·ERT 技术的应用现状 | 第24页 |
| ·ERT 技术的应用前景 | 第24-25页 |
| ·ERT 技术在两相流流型辨识中的应用 | 第25-27页 |
| ·ERT 技术在两相流流型辨识中的重要意义 | 第25-26页 |
| ·ERT 技术的关键技术 | 第26-27页 |
| ·ERT 技术的发展方向 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于小波分析对测量数据的特征提取 | 第28-41页 |
| ·小波分析技术的基本理论 | 第28-31页 |
| ·小波的定义 | 第28-29页 |
| ·常用小波函数介绍 | 第29-31页 |
| ·小波分析技术的应用 | 第31-32页 |
| ·小波包分析技术 | 第32-36页 |
| ·小波包分析技术的原理 | 第32-33页 |
| ·小波包分析技术的特性 | 第33-34页 |
| ·小波包分析技术的算法 | 第34-35页 |
| ·小波包基选取的标准 | 第35-36页 |
| ·基于小波包分析技术的特征提取 | 第36-40页 |
| ·特征的选择与提取 | 第36-37页 |
| ·使用小波包分析技术进行特征提取的必要性 | 第37页 |
| ·对测量信号的分析 | 第37-39页 |
| ·特征向量的构造 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 神经网络在两相流流型辨识中的应用 | 第41-50页 |
| ·神经网络技术 | 第41-43页 |
| ·神经网络的概念 | 第41页 |
| ·神经网络的分类 | 第41-42页 |
| ·神经网络的发展 | 第42页 |
| ·神经网络的应用 | 第42-43页 |
| ·RBF 神经网络 | 第43-48页 |
| ·RBF 神经网络的概念 | 第43-44页 |
| ·RBF 神经元 | 第44-45页 |
| ·RBF 神经网络的结构模型 | 第45-46页 |
| ·RBF 神经网络的映射关系 | 第46-47页 |
| ·RBF 神经网络的训练算法 | 第47-48页 |
| ·RBF 神经网络在流型辨识中的应用 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 基于小波包分析和RBF 神经网络的流型辨识 | 第50-58页 |
| ·基于小波包分析构造特征向量 | 第50-53页 |
| ·基于RBF 神经网络的流型辨识 | 第53-55页 |
| ·RBF 网络模型的组建 | 第53-54页 |
| ·基于小波包和RBF 神经网络的流型辨识 | 第54-55页 |
| ·实验结果 | 第55-56页 |
| ·结果的统计分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间所发表的学术论文 | 第63-64页 |
| 致谢 | 第64页 |