耙吸船装舱效率影响因素分析及预测模型的建立
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-20页 |
| 1.1 我国疏浚技术的发展 | 第10-11页 |
| 1.2 耙吸式疏浚技术进展 | 第11-17页 |
| 1.2.1 耙吸船结构、施工原理及过程 | 第11-14页 |
| 1.2.2 我国耙吸船的发展现状和存在的问题 | 第14-17页 |
| 1.3 本文工作 | 第17-20页 |
| 1.3.1 本文的目的和意义 | 第17-18页 |
| 1.3.2 工作内容及难点 | 第18页 |
| 1.3.3 实施步骤 | 第18-19页 |
| 1.3.4 研究手段 | 第19-20页 |
| 1.4 本章小结 | 第20页 |
| 2 耙吸船数据的收集和处理 | 第20-42页 |
| 2.1 影响装舱效率的敏感因子概述 | 第20-25页 |
| 2.1.1 与耙头挖掘能力相关的敏感因子 | 第20-22页 |
| 2.1.2 与输送和装舱相关的敏感因子 | 第22-25页 |
| 2.2 数据的采集 | 第25-26页 |
| 2.3 数据的预处理 | 第26-37页 |
| 2.3.1 密度值后效误差的消除 | 第26-29页 |
| 2.3.2 装载量曲线的矫正和潮位曲线的插值 | 第29-33页 |
| 2.3.3 曲线的去噪处理 | 第33-37页 |
| 2.4 样本数据的整理 | 第37-41页 |
| 2.5 本章小结 | 第41-42页 |
| 3 施工参数优化分析 | 第42-55页 |
| 3.1 主动因子与生产率的显著性检验 | 第42-46页 |
| 3.2 满舱后装舱效率的直接影响因素分析 | 第46-50页 |
| 3.3 施工参数的直观分析 | 第50-54页 |
| 3.4 本章小结 | 第54-55页 |
| 4 耙吸船生产效率及效益预测模型的建立 | 第55-66页 |
| 4.1 遗传神经网络的介绍 | 第55-60页 |
| 4.1.1 遗传算法原理 | 第55-57页 |
| 4.1.2 BP 网络原理 | 第57-59页 |
| 4.1.3 GA-BP 算法 | 第59-60页 |
| 4.2 用于生产效率预测的遗传神经网络模型 | 第60-63页 |
| 4.3 预测模型的极值寻优 | 第63-65页 |
| 4.4 本章小结 | 第65-66页 |
| 5 实例分析 | 第66-95页 |
| 5.1 疏浚项目概况 | 第66页 |
| 5.2 数据的收集与整理 | 第66-69页 |
| 5.3 参数优化结果 | 第69-83页 |
| 5.3.1 主动因子与生产效率显著性检验结果 | 第69-75页 |
| 5.3.2 满舱后装舱效率直接影响因素分析结果 | 第75-78页 |
| 5.3.3 参数拟合和寻优结果 | 第78-83页 |
| 5.4 神经网络模型的计算 | 第83-94页 |
| 5.4.1 满舱前计算 | 第83-87页 |
| 5.4.2 满舱后计算 | 第87-91页 |
| 5.4.3 满舱前后极值寻优 | 第91-94页 |
| 5.5 本章小结 | 第94-95页 |
| 6 结论与展望 | 第95-97页 |
| 参考文献 | 第97-99页 |
| 致谢 | 第99-100页 |
| 个人简历 | 第100页 |
| 研究成果 | 第100-101页 |
