| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景 | 第10-13页 |
| ·国内外研究动态 | 第13-14页 |
| ·论文主要内容 | 第14-16页 |
| 第二章 输电线路覆冰产生机理和影响输电线覆冰的因素 | 第16-24页 |
| ·输电线覆冰产生机理及分类 | 第16-18页 |
| ·影响输电线覆冰的因素 | 第18-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于神经网络的智能辨识模型 | 第24-40页 |
| ·基于广义回归神经网络的智能辨识模型 | 第24-32页 |
| ·广义回归神经网络的基本结构及算法 | 第24-26页 |
| ·输电线路覆冰厚度预测的GRNN模型 | 第26-32页 |
| ·基于ELMAN神经网络的智能辨识模型 | 第32-39页 |
| ·ELMAN神经网络的基本结构及算法 | 第32-34页 |
| ·输电线路覆冰厚度预测的ELMAN模型 | 第34-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于改进支持向量机的智能辨识模型 | 第40-56页 |
| ·基于遗传算法与支持向量机相结合的智能辨识模型 | 第40-48页 |
| ·支持向量机基本原理 | 第40-44页 |
| ·遗传算法的基本原理 | 第44-46页 |
| ·输电线路覆冰厚度预测的GA-SVM模型 | 第46-48页 |
| ·基于粒子群算法与支持向量机结合的智能辨识模型 | 第48-54页 |
| ·粒子群优化算法的基本原理 | 第48-51页 |
| ·基于粒子群算法的SVM参数优化 | 第51-52页 |
| ·输电线路覆冰厚度预测的PSO-SVM模型 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 基于小波神经网络的智能辨识模型 | 第56-74页 |
| ·基于小波神经网络的智能辨识模型 | 第56-72页 |
| ·小波理论 | 第56-60页 |
| ·小波神经网络 | 第60-67页 |
| ·输电线路覆冰厚度预测的WNN模型 | 第67-72页 |
| ·仿真结果比较 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 总结与展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 附录1 攻读硕士学位期间发表的学术论文 | 第81页 |