SVM算法在泵站管道及重力坝结构振动预测中的应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 水工结构振动和预测方法研究现状 | 第11-14页 |
| 1.3 振动预测方法总结 | 第14-15页 |
| 1.4 本文主要工作 | 第15-18页 |
| 2 支持向量机的基本理论 | 第18-30页 |
| 2.1 统计学习基本理论 | 第18-21页 |
| 2.1.1 机器学习 | 第18-19页 |
| 2.1.2 VC维 | 第19-20页 |
| 2.1.3 推广性界理论 | 第20-21页 |
| 2.1.4 结构风险最小化原则 | 第21页 |
| 2.2 分类支持向量机理论 | 第21-24页 |
| 2.2.1 线性支持向量分类机 | 第21-22页 |
| 2.2.2 非线性支持向量分类机 | 第22-24页 |
| 2.3 回归支持向量机理论 | 第24-28页 |
| 2.3.1 线性支持向量回归机 | 第24-27页 |
| 2.3.2 非线性支持向量回归机 | 第27-28页 |
| 2.4 支持向量机模型的建立 | 第28-29页 |
| 2.5 SVM在水工领域中的应用 | 第29页 |
| 2.6 本章小结 | 第29-30页 |
| 3 机组振动引发管道结构振动响应预测研究 | 第30-46页 |
| 3.1 粒子群优化算法基本理论 | 第30-31页 |
| 3.2 PSO-SVM模型 | 第31-32页 |
| 3.3 工程实例 | 第32-43页 |
| 3.3.1 拾振器的选型与布置 | 第33-36页 |
| 3.3.2 机组和管道振动响应关系 | 第36-39页 |
| 3.3.3 PSO-SVM模型的建立 | 第39页 |
| 3.3.4 预测结果及对比 | 第39-43页 |
| 3.4 本章小结 | 第43-46页 |
| 4 泄流诱发坝体结构振动趋势预测 | 第46-66页 |
| 4.1 变分模态分解理论 | 第46-51页 |
| 4.1.1 VMD基本原理 | 第47-48页 |
| 4.1.2 VMD方法的仿真分析 | 第48-51页 |
| 4.2 VMD-SVR模型 | 第51-52页 |
| 4.3 工程实例 | 第52-64页 |
| 4.3.1 拾振器的布置及振动数据的选取 | 第53-56页 |
| 4.3.2 VMD分解结果 | 第56-59页 |
| 4.3.3 VMD-SVR模型预测结果及对比 | 第59-64页 |
| 4.4 本章小结 | 第64-66页 |
| 5 结论与展望 | 第66-70页 |
| 5.1 结论 | 第66-67页 |
| 5.2 工作展望 | 第67-70页 |
| 攻读学位期间参加的科研项目及发表的学术论文 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
