| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 检漏仪器及方法 | 第11-13页 |
| 1.3 检漏技术研究进展及现状 | 第13-15页 |
| 1.4 论文研究内容 | 第15-16页 |
| 第2章 支持向量机理论基础 | 第16-26页 |
| 2.1 支持向量机原理 | 第16-22页 |
| 2.1.1 统计学理论基础 | 第16-19页 |
| 2.1.2 支持向量机基本理论 | 第19-22页 |
| 2.2 最小二乘支持向量机原理 | 第22-23页 |
| 2.3 核函数与参数选择 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 基于PSO-LSSVM的改进算法 | 第26-34页 |
| 3.1 LSSVM参数选择的意义及方法 | 第26-27页 |
| 3.2 粒子群算法 | 第27-29页 |
| 3.3 PSO优化LSSVM算法 | 第29-30页 |
| 3.4 改进的PSO优化LSSVM算法 | 第30-33页 |
| 3.4.1 改进算法原理 | 第30-31页 |
| 3.4.2 改进算法流程 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于PSO-LSSVM算法在城市供水管网中的应用 | 第34-52页 |
| 4.1 城市供水管网的水力模拟 | 第34-37页 |
| 4.1.1 供水管网建立的方法 | 第34-36页 |
| 4.1.2 本文建立的供水管网 | 第36-37页 |
| 4.2 数据采集及各样本的确定 | 第37-40页 |
| 4.2.1 管网正常压力数据的采集 | 第37页 |
| 4.2.2 学习样本的确定 | 第37-39页 |
| 4.2.3 增样样本的确定 | 第39-40页 |
| 4.2.4 测试样本的确定 | 第40页 |
| 4.3 PSO-LSSVM算法仿真实验 | 第40-44页 |
| 4.3.1 算法1仿真实验 | 第40-42页 |
| 4.3.2 算法2仿真实验 | 第42-44页 |
| 4.4 改进的PSO-LSSVM算法仿真实验 | 第44-51页 |
| 4.4.1 权重系数的确定 | 第44页 |
| 4.4.2 仿真结果分析 | 第44-47页 |
| 4.4.3 增样样本的研究 | 第47-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 工作总结 | 第52页 |
| 5.2 工作展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 作者简介及在攻读硕士期间取得的科研成果 | 第58-60页 |
| 致谢 | 第60页 |