深井冻结设计的智能方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 1 绪论 | 第14-23页 |
| ·问题的提出 | 第14-16页 |
| ·冻结壁特性及其研究问题 | 第16-18页 |
| ·国内外研究现状 | 第18-21页 |
| ·国内研究现状 | 第18-20页 |
| ·国外研究现状 | 第20-21页 |
| ·本文主要的研究工作 | 第21-23页 |
| ·研究目标 | 第21页 |
| ·研究内容 | 第21-22页 |
| ·研究方法及技术路线 | 第22-23页 |
| 2 深井冻结壁设计理论 | 第23-36页 |
| ·冻结壁设计 | 第23-28页 |
| ·冻结壁外荷载的确定 | 第23页 |
| ·冻结壁厚度的计算 | 第23-28页 |
| ·多圈管冻结壁温度场的叠加计算 | 第28-32页 |
| ·冻结温度场的计算模型 | 第28-29页 |
| ·冻结温度场的叠加计算 | 第29-31页 |
| ·深表土冻结壁温度场叠加计算软件 | 第31-32页 |
| ·多圈管冻结方案设计及优化 | 第32-35页 |
| ·冻结方案设计应注意的几个问题 | 第32-33页 |
| ·冻结方案关键参数的设计 | 第33-35页 |
| ·多圈管冻结方案优化设计 | 第35页 |
| ·冻结设计智能方法研究依据 | 第35-36页 |
| 3 智能网络模型 | 第36-50页 |
| ·神经网络结构模型 | 第36-38页 |
| ·ANN的模型结构 | 第36-37页 |
| ·激活函数 | 第37-38页 |
| ·BP网络原理 | 第38-42页 |
| ·BP网络模型与结构 | 第38页 |
| ·BP网络学习规则 | 第38-40页 |
| ·BP网络的训练过程 | 第40页 |
| ·改进的BP算法 | 第40-42页 |
| ·遗传算法原理 | 第42-46页 |
| ·概述 | 第42页 |
| ·遗传算法基本原理 | 第42-43页 |
| ·遗传算法的构造 | 第43-45页 |
| ·遗传算法的操作步骤 | 第45-46页 |
| ·GA优化BP网络 | 第46-50页 |
| ·权值、阀值优化的方案设计 | 第46-47页 |
| ·优化算法步骤 | 第47-48页 |
| ·GA优化BP网络程序设计 | 第48-50页 |
| 4 深井冻结设计智能方法研究 | 第50-63页 |
| ·概述 | 第50-51页 |
| ·冻结设计数学模型 | 第51-53页 |
| ·冻结壁设计数学模型 | 第51-52页 |
| ·多圈管冻结方案设计数学模型 | 第52页 |
| ·多圈管冻结方案优化数学模型 | 第52-53页 |
| ·智能网络设计和训练方法 | 第53-55页 |
| ·学习样本构造 | 第55-58页 |
| ·冻结壁设计的学习样本 | 第55-56页 |
| ·多圈管冻结方案设计学习样本 | 第56页 |
| ·多圈管冻结方案优化学习样本 | 第56-57页 |
| ·样本归一化方法 | 第57-58页 |
| ·智能网络结构设计 | 第58-59页 |
| ·BP网络结构设计 | 第58-59页 |
| ·遗传算法设计 | 第59页 |
| ·BP网络训练参数 | 第59页 |
| ·训练过程及结果 | 第59-63页 |
| 5 多圈管冻结壁温度场灵敏度分析 | 第63-75页 |
| ·人工神经网络的灵敏度分析方法 | 第63-64页 |
| ·方案设计 | 第64-68页 |
| ·方案的工程背景 | 第64-67页 |
| ·多圈管冻结壁温度场的影响因子 | 第67页 |
| ·灵敏度分析内容 | 第67-68页 |
| ·多圈管冻结壁温度场灵敏度分析 | 第68-75页 |
| ·冻结管距离对温度场影响的灵敏度分析 | 第68-71页 |
| ·冻结壁温度场影响因子的灵敏度分析 | 第71-75页 |
| 6 深井冻结设计智能化软件 | 第75-85页 |
| ·概述 | 第75-76页 |
| ·冻结设计智能化软件设计要求 | 第76页 |
| ·软件设计思路及流程 | 第76-77页 |
| ·软件使用方法 | 第77-79页 |
| ·应用方法 | 第77-78页 |
| ·软件界面及操作方法 | 第78-79页 |
| ·软件应用 | 第79-85页 |
| ·测试样本 | 第79-80页 |
| ·计算结果 | 第80-85页 |
| 7 结论 | 第85-87页 |
| ·结论 | 第85-86页 |
| ·进一步的研究工作 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 致谢 | 第91-92页 |
| 作者简介及读研期间主要科研成果 | 第92页 |
