| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 课题背景 | 第13-14页 |
| 1.2 课题目的及意义 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 第2章 离散点网格化及网格插值算法的相关研究 | 第18-29页 |
| 2.1 数据来源 | 第18-19页 |
| 2.2 离散点网格化 | 第19-21页 |
| 2.2.1 三角网格法 | 第19-20页 |
| 2.2.2 矩形网格法 | 第20-21页 |
| 2.3 基于规则网格的插值算法 | 第21-26页 |
| 2.3.1 反距离加权插值法 | 第21-22页 |
| 2.3.2 克里金插值法 | 第22-24页 |
| 2.3.3 样条函数插值法 | 第24-25页 |
| 2.3.4 自然邻域插值法 | 第25-26页 |
| 2.4 几种插值算法的比较 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 基于矩形网格的等值线的绘制 | 第29-38页 |
| 3.1 等值线的生成原理与流程 | 第29-30页 |
| 3.2 离散数据的矩形网格化插值 | 第30-31页 |
| 3.3 等值点的计算 | 第31-32页 |
| 3.4 等值点的追踪 | 第32-35页 |
| 3.4.1 等值线入单个网格的走向 | 第32-33页 |
| 3.4.2 等值线从单个网格离开的走向 | 第33-34页 |
| 3.4.3 网格点即为等值点的处理 | 第34-35页 |
| 3.5 等值线的搜索 | 第35-36页 |
| 3.6 等值线的优化 | 第36-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第4章 基于遗传算法优化的RBF神经网络预测模型 | 第38-59页 |
| 4.1 遗传算法的基本原理和方法 | 第38-44页 |
| 4.1.1 遗传算法的基本介绍 | 第38-39页 |
| 4.1.2 编码 | 第39-40页 |
| 4.1.3 适应度函数 | 第40页 |
| 4.1.4 选择策略 | 第40-41页 |
| 4.1.5 交叉 | 第41-42页 |
| 4.1.6 变异 | 第42-43页 |
| 4.1.7 遗传算法的操作流程 | 第43-44页 |
| 4.2 RBF神经网络的基本原理 | 第44-50页 |
| 4.2.1 RBF神经网络的原理 | 第44-45页 |
| 4.2.2 RBF神经网络的网络结构 | 第45-46页 |
| 4.2.3 RBF神经网络的学习规则 | 第46-50页 |
| 4.3 改进的基于遗传算法优化的RBF神经网络模型 | 第50-53页 |
| 4.4 基于遗传算法优化的RBF神经网络核泄漏预测的基本思想 | 第53-54页 |
| 4.5 核泄漏预测模型的整体设计 | 第54-55页 |
| 4.6 与传统的RBF神经网络的比较 | 第55-58页 |
| 4.7 本章小结 | 第58-59页 |
| 第5章 核泄漏监测及预测仿真系统的设计与实现 | 第59-71页 |
| 5.1 系统开发环境 | 第59-60页 |
| 5.2 系统总体功能设计 | 第60-61页 |
| 5.3 核泄漏监测功能的实现 | 第61-64页 |
| 5.3.1 加载离散数据 | 第61-62页 |
| 5.3.2 离散点网格化插值 | 第62-63页 |
| 5.3.3 等值线生成 | 第63-64页 |
| 5.4 核泄漏预测功能的实现 | 第64-69页 |
| 5.4.1 模型的建立 | 第64-68页 |
| 5.4.2 预测仿真 | 第68-69页 |
| 5.5 本章小结 | 第69-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 攻读硕士学位期间发表的论文 | 第79-80页 |
| 致谢 | 第80-81页 |