| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究的背景及意义 | 第9-10页 |
| ·国内外相关技术产生与发展状况 | 第10-14页 |
| ·中长期径流预报 | 第10-12页 |
| ·尾水管压力脉动分析 | 第12-13页 |
| ·水轮机特性拟合 | 第13-14页 |
| ·研究的创新点 | 第14-15页 |
| ·本文的主要内容及结构安排 | 第15-16页 |
| 第二章 支持向量机及元胞自动机的基本理论 | 第16-29页 |
| ·引言 | 第16-17页 |
| ·支持向量机的基本理论 | 第17-26页 |
| ·统计学习理论 | 第17-19页 |
| ·支持向量机算法的发展历史和现状 | 第19-20页 |
| ·支持向量机基本方法 | 第20-24页 |
| ·支持向量机回归模型 | 第24-26页 |
| ·元胞自动机的基本理论 | 第26-27页 |
| ·元胞自动机的产生与发展 | 第26-27页 |
| ·元胞自动机的定义 | 第27页 |
| ·元胞自动机的分类 | 第27页 |
| ·小波包的基本理论 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 支持向量机在径流预报中的应用 | 第29-38页 |
| ·引言 | 第29页 |
| ·基于元胞自动机原理的径流预报模型 | 第29-31页 |
| ·圆周元胞自动机模型 | 第29-30页 |
| ·螺旋线元胞自动机模型 | 第30页 |
| ·基于元胞自动机的径流预报模型 | 第30-31页 |
| ·基于支持向量机的预报模型中规则的生成方法 | 第31-33页 |
| ·径流预报的实际例子 | 第33-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 支持向量机在水轮机尾水管水力振动分析中的应用 | 第38-47页 |
| ·引言 | 第38页 |
| ·水轮机尾水管水力振动信号的处理 | 第38-41页 |
| ·尾水管紊流场及其压力脉动基本理论 | 第38页 |
| ·尾水管涡带的形成及其特点 | 第38-39页 |
| ·涡带所引起的压力脉动分析 | 第39-40页 |
| ·尾水管水流低频脉动特性 | 第40页 |
| ·小波包分解方法提取尾水管振动特征 | 第40-41页 |
| ·基于支持向量机的水轮机尾水管水力振动分析 | 第41-43页 |
| ·构建学习样本 | 第41-42页 |
| ·样本分析方法 | 第42-43页 |
| ·基于支持向量机的水轮机尾水管水力振动分析方法及计算实例 | 第43-46页 |
| ·基于SVMs 的“一对多”方法(One-against-the-rest Method ) | 第43页 |
| ·基于支持向量机的水轮机尾水管振动模式识别方法 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 支持向量机在逼近水轮机特性中的应用 | 第47-65页 |
| ·引言 | 第47页 |
| ·水轮机特性及传统的逼近方法 | 第47-52页 |
| ·水力机组空化特性、稳定性 | 第47-49页 |
| ·传统的逼近水轮机特性的方法 | 第49-52页 |
| ·基于人工神经网络的逼近水轮机特性的方法 | 第52-60页 |
| ·多层前向神经网络的函数逼近能力 | 第52-53页 |
| ·误差反向传播算法 | 第53-54页 |
| ·计算实例 | 第54-60页 |
| ·基于支持向量机的逼近水轮机特性的方法及计算实例 | 第60-63页 |
| ·本章小结 | 第63-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |
| 攻读硕士学位期间发表的论文和科研成果 | 第72页 |
