| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 相关研究综述 | 第11-13页 |
| 1.2.1 AP1000非能动系统可靠性概念 | 第11-13页 |
| 1.2.2 AP1000非能动系统可靠性研究综述 | 第13页 |
| 1.3 本文的工作与内容 | 第13-15页 |
| 第2章 非能动系统研究方法 | 第15-27页 |
| 2.1 非能动安全系统可靠性分析特点 | 第15-16页 |
| 2.1.1 非能动系统可靠性分析的目的 | 第15-16页 |
| 2.1.2 非能动系统运行不确定性分析 | 第16页 |
| 2.2 非能动安全系统分析框架和分析方法 | 第16-22页 |
| 2.2.1 非能动安全系统的分析框架 | 第17-19页 |
| 2.2.2 非能动安全系统可靠性分析方法 | 第19-22页 |
| 2.3 神经网络原理简介 | 第22-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 AP1000系统简介及关键参数确定 | 第27-42页 |
| 3.1 AP1000核电简介 | 第27-29页 |
| 3.1.1 AP1000系统概述 | 第27-28页 |
| 3.1.2 AP1000核电站非能动安全壳冷却系统 | 第28-29页 |
| 3.2 基本设计参数与关键运行参量确定 | 第29-41页 |
| 3.2.1 基本输入参数及评估基准描述 | 第29-31页 |
| 3.2.2 改进型AHP模型建立 | 第31-37页 |
| 3.2.3 模型计算结果及原理分析 | 第37-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第4章 人工神经网络模型的建立及应用 | 第42-55页 |
| 4.1 神经网络介绍 | 第42-44页 |
| 4.1.1 基本特征 | 第43-44页 |
| 4.1.2 BP神经网络 | 第44页 |
| 4.2 神经网络样本选取 | 第44-48页 |
| 4.2.1 正交设计方法 | 第45-46页 |
| 4.2.2 样本选取 | 第46-48页 |
| 4.3 神经网络训练 | 第48-52页 |
| 4.4 程序样本结果验证 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 数据挖掘在温度概率密度曲线获取方面的应用 | 第55-74页 |
| 5.1 气象数据类型 | 第55-61页 |
| 5.1.1 气象分析型数据 | 第55-58页 |
| 5.1.2 分析型数据距离关系 | 第58-61页 |
| 5.2 数据挖掘算法 | 第61-66页 |
| 5.2.1 数据挖掘概念 | 第61页 |
| 5.2.2 数据挖掘技术 | 第61-62页 |
| 5.2.3 聚类算法 | 第62-66页 |
| 5.3 模块设计 | 第66-71页 |
| 5.4 结果分析 | 第71-72页 |
| 5.4.1 聚类结果 | 第71-72页 |
| 5.4.2 分类结果 | 第72页 |
| 5.5 本章小结 | 第72-74页 |
| 第6章 结论与展望 | 第74-76页 |
| 6.1 全文总结 | 第74-75页 |
| 6.2 工作展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第80-81页 |
| 攻读硕士学位期间参加的科研工作 | 第81-82页 |
| 致谢 | 第82-83页 |
| 作者简介 | 第83页 |