| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 选题背景与研究意义 | 第9-10页 |
| 1.2 国内外研究动态 | 第10-11页 |
| 1.2.1 国外研究动态 | 第10页 |
| 1.2.2 国内研究动态 | 第10-11页 |
| 1.3 本论文研究内容 | 第11-13页 |
| 第2章 海南变电站土壤的有关理化性质测定 | 第13-21页 |
| 2.1 Q235钢的电化学腐蚀形式及化学反应方程式 | 第13-14页 |
| 2.2 土壤理化性质的测量 | 第14-20页 |
| 2.2.1 土壤电阻率的测量 | 第15-16页 |
| 2.2.2 土壤质地现场鉴别 | 第16-17页 |
| 2.2.3 土壤样品含水率的测定 | 第17-18页 |
| 2.2.4 土壤样品含盐量的测定 | 第18页 |
| 2.2.5 土壤样品pH值的测定 | 第18-19页 |
| 2.2.6 土壤样品Cl-和SO42-的测定 | 第19-20页 |
| 2.2.7 土壤氧化还原电位的测定 | 第20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 BP和RBF神经网络的简要介绍 | 第21-31页 |
| 3.1 人工神经网络概述 | 第21页 |
| 3.2 BP神经网络 | 第21-26页 |
| 3.2.1 BP神经网络的结构 | 第21-22页 |
| 3.2.2 BP神经网络的学习过程 | 第22-25页 |
| 3.2.3 改进的BP算法 | 第25-26页 |
| 3.3 RBF神经网络 | 第26-30页 |
| 3.3.1 RBF神经网络的结构 | 第26-28页 |
| 3.3.2 RBF神经网络的学习 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 腐蚀预测模型的建立 | 第31-45页 |
| 4.1 样本数据的获得 | 第31-32页 |
| 4.2 数据归一化 | 第32-35页 |
| 4.3 BP神经网络的实现 | 第35-42页 |
| 4.3.1 网络层数的确定 | 第35页 |
| 4.3.2 输入层、输出层节点数的确定 | 第35页 |
| 4.3.3 传递函数的选取 | 第35-36页 |
| 4.3.4 隐含层神经元的确定 | 第36-39页 |
| 4.3.5 训练算法的选取 | 第39-40页 |
| 4.3.6 BP神经网络的测试结果 | 第40-42页 |
| 4.4 RBF神经网络的实现 | 第42-44页 |
| 4.4.1 RBF神经网络的结构设计 | 第42-43页 |
| 4.4.2 RBF神经网络的测试结果 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 神经网络在海南变电站Q235钢的接地网腐蚀性的检验 | 第45-55页 |
| 5.1 海南省部分变电站土壤埋片实验测试 | 第45-48页 |
| 5.2 检验数据的归一化 | 第48-50页 |
| 5.3 BP神经网络的预测 | 第50-52页 |
| 5.4 RBF神经网络的预测 | 第52-54页 |
| 5.5 RBF与BP网络模型的总体性能比较 | 第54页 |
| 5.6 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |