| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外发展现状及趋势 | 第10-12页 |
| 1.2.1 管道泄漏监测主要方法 | 第10-11页 |
| 1.2.2 国内外管道泄漏监测发展现状 | 第11-12页 |
| 1.3 本文的主要研究内容 | 第12-14页 |
| 第二章 小波阈值法去噪 | 第14-23页 |
| 2.1 小波去噪基本原理 | 第14页 |
| 2.2 小波去噪方法 | 第14-17页 |
| 2.2.1 模极大值重构滤波 | 第14-15页 |
| 2.2.2 空域相关滤波 | 第15-16页 |
| 2.2.3 小波阈值去噪法 | 第16-17页 |
| 2.3 小波去噪性能评价标准 | 第17页 |
| 2.3.1 信噪比（SNR） | 第17页 |
| 2.3.2 均方误差（MSE） | 第17页 |
| 2.4 小波阈值去噪法的改进及应用 | 第17-22页 |
| 2.4.1 小波阈值函数的改进 | 第18-21页 |
| 2.4.2 小波阈值算法在管道泄漏信号去噪中的应用 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于经验模态分解的天然气管道工况信号的特征提取 | 第23-34页 |
| 3.1 经验模态分解（EMD）方法的基本内容 | 第23-28页 |
| 3.1.1 瞬时频率的概念 | 第23-24页 |
| 3.1.2 本征模态函数（IMF） | 第24-25页 |
| 3.1.3 经验模态分解（EMD）方法信号处理过程 | 第25-27页 |
| 3.1.4 经验模态分解（EMD）的主要性质 | 第27-28页 |
| 3.2 管道工况数据的特征提取与仿真 | 第28-33页 |
| 3.2.1 峭度 | 第29-30页 |
| 3.2.2 偏度 | 第30-31页 |
| 3.2.3 信号的特征分析与对比 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第四章 BP神经网络模式分类的仿真与研究 | 第34-45页 |
| 4.1 神经网络模式识别系统 | 第34-36页 |
| 4.1.1 神经网路模式识别系统概述 | 第34-35页 |
| 4.1.2 神经网络模式识别的典型方法 | 第35-36页 |
| 4.2 BP神经网络 | 第36-41页 |
| 4.2.1 多层前馈网络模型的数学描述 | 第37页 |
| 4.2.2 BP算法 | 第37-40页 |
| 4.2.3 BP多层前馈网络的主要能力 | 第40-41页 |
| 4.2.4 BP神经网络的模式识别仿真 | 第41页 |
| 4.3 自适应学习率的改进BP算法 | 第41-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 BP神经网络的参数优化 | 第45-52页 |
| 5.1 MATLAB介绍 | 第45页 |
| 5.1.1 MATLAB特点 | 第45页 |
| 5.1.2 MATLAB系统组成 | 第45页 |
| 5.2 粒子群算法对BP神经网络参数的优化 | 第45-48页 |
| 5.2.1 粒子群算法参数分析与算法流程 | 第45-47页 |
| 5.2.2 粒子群算法优化自适应学习率BP神经网络仿真 | 第47-48页 |
| 5.3 遗传算法对BP神经网络参数的优化 | 第48-51页 |
| 5.3.1 遗传群算法参数分析与算法流程 | 第48-50页 |
| 5.3.2 遗传算法优化自适应学习率BP神经网络仿真 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 发表文章目录 | 第56-57页 |
| 致谢 | 第57-58页 |
