基于神经网络的输油管道腐蚀预测研究与实现
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 引言 | 第8-9页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 CO_2腐蚀研究现状 | 第11-12页 |
| 1.2.2 神经网络研究现状 | 第12-16页 |
| 第2章 CO_2腐蚀 | 第16-25页 |
| 2.1 CO_2腐蚀机理 | 第16-17页 |
| 2.2 CO_2腐蚀程度分级 | 第17页 |
| 2.3 CO_2腐蚀影响因素 | 第17-24页 |
| 2.3.1 管道腐蚀实验分析 | 第17-20页 |
| 2.3.2 含水量影响 | 第20-21页 |
| 2.3.3 温度影响 | 第21页 |
| 2.3.4 CO_2分压影响 | 第21-22页 |
| 2.3.5 流速 | 第22-23页 |
| 2.3.6 PH值 | 第23页 |
| 2.3.7 溶液介质 | 第23页 |
| 2.3.8 CO_2/H_2S含量比 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 人工神经网络 | 第25-41页 |
| 3.1 人工神经网络概念 | 第25-26页 |
| 3.2 人工神经网络的基本原理 | 第26-27页 |
| 3.3 人工神经网络的基本特征 | 第27-28页 |
| 3.4 人工神经网络的数学模型 | 第28-31页 |
| 3.5 人工神经网络的结构 | 第31-34页 |
| 3.6 BP神经网络 | 第34-40页 |
| 3.6.1 BP神经网络的定义与特点 | 第34-35页 |
| 3.6.2 BP神经网络结构 | 第35-36页 |
| 3.6.3 BP算法推导过程 | 第36-39页 |
| 3.6.4 BP算法步骤 | 第39-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第4章 输油管道腐蚀预测系统的设计与应用 | 第41-55页 |
| 4.1 系统架构 | 第41页 |
| 4.2 技术架构 | 第41-42页 |
| 4.3 技术路线 | 第42页 |
| 4.4 数据库设计 | 第42-43页 |
| 4.5 腐蚀预测模型设计 | 第43-50页 |
| 4.5.1 灰色关联度分析 | 第44-46页 |
| 4.5.2 多层感知器 | 第46-50页 |
| 4.6 输油管道腐蚀预测系统简介 | 第50-53页 |
| 4.6.1 系统界面展示 | 第50-53页 |
| 4.7 本章小结 | 第53-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 导师简介 | 第61页 |
| 企业导师简介 | 第61-62页 |
| 作者简介 | 第62-63页 |
| 学位论文数据集 | 第63页 |
