首页--工业技术论文--水利工程论文--水利工程基础科学论文--工程水文学论文

基于人工智能法的冰塞厚度及水位预测分析

摘要第1-6页
ABSTRACT第6-7页
致谢第7-14页
第一章 绪论第14-25页
   ·概述第14-15页
   ·冰凌灾害的几种型式第15页
   ·冰塞的形成发展过程第15-18页
     ·冰盖形成条件及机理第15-17页
     ·冰塞的形成和机理第17-18页
     ·冰塞引起的水位变化第18页
   ·冰塞预报基本方法第18-22页
     ·经验模型第18-19页
     ·极限模型第19-20页
     ·统计模型第20页
     ·回归模型第20-21页
     ·逻辑回归第21页
     ·判别式函数分析第21页
     ·人工智能模型第21-22页
   ·试验条件简述第22-23页
   ·本课题的来源、目的及意义第23-25页
第二章 冰塞厚度、冰塞水位回归计算基本原理第25-37页
   ·回归计算简介第25页
   ·冰塞水位回归计算原理及应用第25-31页
     ·天然河道冰塞水位回归计算原理第25-26页
     ·计算应用第26-30页
     ·实验室弯道冰塞水位回归计算原理及应用第30-31页
   ·冰塞厚度回归计算原理及应用第31-36页
     ·天然河道冰塞厚度回归计算原理第31页
     ·在天然河道中的应用第31-35页
     ·实验室180°弯道冰塞厚度回归计算公式及应用第35-36页
   ·本章小结第36-37页
第三章 基于BP神经网络预测冰塞厚度及水位第37-51页
   ·BP神经网络简介第37-43页
     ·BP学习算法的步骤第38-42页
     ·BP神经网络的优缺点第42页
     ·BP神经网络模型的MATLAB实现第42-43页
   ·BP神经网络模型预测天然冰塞厚度及水位第43-49页
     ·本断面前后期冰塞厚度及水位预测第43-46页
     ·上下断面间冰塞厚度及水位预测第46-49页
   ·神经网络预测实验室弯道冰塞厚度及水位第49-50页
   ·本章小结第50-51页
第四章 基于支持向量机预测冰塞厚度及水位第51-63页
   ·支持向量机基本原理第51-54页
     ·统计学习理论第51-52页
     ·支持向量机优化算法第52-54页
     ·模型参数优化第54页
   ·支持向量机模型预测天然冰塞厚度及水位第54-60页
     ·本断面前后期冰塞厚度及水位预测第55-57页
     ·上下断面间冰塞厚度及水位预测第57-60页
   ·支持向量机预测实验室弯道冰塞厚度及水位第60-62页
   ·本章小结第62-63页
第五章 基于遗传算法优化神经网络预测冰塞厚度及水位第63-77页
   ·遗传算法概述第63-64页
     ·遗传算法的概念第63页
     ·遗传算法的运行过程第63-64页
   ·遗传算法(GA)在BP神经网络学习中的应用第64-65页
   ·遗传算法优化神经网络预测冰塞水位及冰塞厚度的实现第65-68页
     ·遗传算法的改进及网络结构的确定第65页
     ·初始化第65-66页
     ·目标函数与适应值函数选择第66页
     ·选择运算第66页
     ·交叉运算第66-67页
     ·变异运算第67页
     ·终止条件的判别第67页
     ·解码第67页
     ·BP神经网络的训练和模拟第67-68页
   ·实际应用第68-76页
     ·天然河道本断面冰塞厚度及冰塞水位预测第68-71页
     ·天然河道由上断面对下断面的冰塞厚度与冰塞水位进行预测第71-74页
     ·实验室弯道冰塞厚度及水位预测第74-76页
   ·本章小结第76-77页
第六章 结果分析与展望第77-82页
   ·预测结果分析对比第77-81页
     ·天然河道本断面前后期冰塞水位预测值对比分析第77-78页
     ·天然河道上下断面冰塞水位预测值对比分析第78页
     ·本断面前后期冰塞厚度预测值对比分析第78-79页
     ·上下断面冰塞厚度预测值对比分析第79-80页
     ·实验室弯道冰塞水位预测值对比分析第80页
     ·实验室弯道冰厚预测值对比分析第80-81页
   ·结论与讨论第81页
   ·展望第81-82页
参考文献第82-87页
攻读硕士学位期间发表的论文第87页

论文共87页,点击 下载论文
上一篇:高校人才激励机制研究
下一篇:中国学生群体正负面子观之比较研究--一项针对安徽省初中生至大学生群体的调查