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 |