首页--交通运输论文--铁路运输论文--铁路通信、信号论文--铁路信号论文

铁路沿线风信号智能预测算法研究

摘要第1-6页
ABSTRACT第6-11页
第一章 绪论第11-23页
   ·选题的背景与意义第11-15页
     ·选题背景第11页
     ·选题意义第11-15页
   ·国内外研究现状第15-21页
     ·国外研究现状第15-19页
     ·国内研究现状第19-21页
     ·总结第21页
   ·本文开展的研究工作第21-23页
第二章 铁路风速小波-滚动时间序列大步长预测算法第23-52页
   ·引言第23-24页
   ·铁路风速超前多步预测精度与实时性指标第24-25页
   ·基于时间序列分析法的铁路风速超前多步预测模型第25-30页
     ·时间序列分析法概述第25页
     ·时间序列分析法建模步骤第25-30页
   ·基于滚动时间序列分析法的铁路风速超前多步预测模型第30-32页
     ·滚动时间序列分析法优化思路第30页
     ·滚动时间序列分析法建模步骤第30-32页
   ·基于小波分析-滚动时间序列分析法的铁路风速超前多步预测优化模型第32-38页
     ·多尺度小波分析理论第32-34页
     ·小波分析-滚动时间序列分析法优化思路第34-35页
     ·小波分析-滚动时间序列分析法建模步骤第35-38页
   ·优化算法预测结果分析第38-48页
     ·小步长预测结果分析第38-45页
     ·大步长预测结果分析第45-48页
   ·优化算法推广应用第48-51页
   ·结论第51-52页
第三章 铁路风速小波-遗传神经网络小步长预测算法第52-78页
   ·引言第52-53页
   ·基于神经网络法的铁路风速超前多步预测模型第53-60页
     ·神经元结构及经典网络类型第53-54页
     ·BP神经网络模型误差反向传播算法第54-56页
     ·BP神经网络主要设计参数第56-59页
     ·BP神经网络预测计算第59-60页
   ·基于小波分析-遗传算法-神经网络法的铁路风速超前多步预测优化模型第60-67页
     ·遗传算法第60-62页
     ·小波分析-遗传算法-神经网络法优化思路第62页
     ·遗传算法优化神经网络第62-67页
   ·优化算法预测结果分析第67-75页
     ·超前一步预测结果第69-70页
     ·超前两步预测结果第70-71页
     ·超前三步预测结果第71页
     ·超前四步预测结果第71-72页
     ·超前五步预测结果第72-75页
   ·优化算法推广应用第75-77页
   ·结论第77-78页
第四章 铁路风速小波-卡尔曼单步超高精度预测算法第78-95页
   ·引言第78-79页
   ·自适应卡尔曼滤波理论第79-84页
     ·卡尔曼描述方程第79-80页
     ·卡尔曼最优估计第80-82页
     ·卡尔曼最优预测第82-84页
   ·铁路风速小波分析-卡尔曼滤波法超前单步高精度预测模型第84-89页
     ·小波分析-卡尔曼滤波法建模思路第84-85页
     ·小波分析-卡尔曼滤波法建模步骤第85-89页
   ·优化算法预测结果分析第89-93页
     ·小波分解层风速预测结果分析第89-91页
     ·原始风速预测结果分析第91-93页
   ·预测算法推广应用第93-94页
   ·结论第94-95页
第五章 青藏铁路工程优化算法应用研究第95-108页
   ·引言第95页
   ·预测重点区域第95-96页
   ·监测预警系统预测指标第96-97页
   ·预测结果分析第97-107页
     ·昆仑山测风站第97-99页
     ·五道梁测风站第99-101页
     ·风火山测风站第101-102页
     ·沱沱河测风站第102-104页
     ·唐古拉山测风站第104-106页
     ·安多测风站第106-107页
   ·结论第107-108页
第六章 总结第108-112页
   ·论文总结第108-110页
   ·后续工作第110-112页
     ·算法方面第110-111页
     ·软件开发方面第111-112页
参考文献第112-129页
致谢第129-131页
攻读学位期间主要的研究成果目录第131-133页

论文共133页,点击 下载论文
上一篇:高速铁路无砟轨道红黏土路基动力稳定性研究
下一篇:中国铁路货运营销理论与发展