| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·论文研究的目的和意义 | 第7页 |
| ·电力变压器故障诊断和数据预测的国内外研究现状 | 第7-12页 |
| ·不同时期变压器的故障演变 | 第7-9页 |
| ·电力变压器故障的宏观规律 | 第9-10页 |
| ·电力变压器故障诊断方法研究现状 | 第10-11页 |
| ·电力变压器故障预测理论研究现状 | 第11-12页 |
| ·本论文的主要工作 | 第12-14页 |
| 第二章 遗传算法和支持向量机理论 | 第14-28页 |
| ·统计学理论和支持向量机 | 第14-21页 |
| ·统计学理论的核心内容 | 第14-16页 |
| ·分类支持向量机 | 第16-17页 |
| ·回归支持向量机 | 第17-21页 |
| ·遗传算法概述 | 第21-27页 |
| ·遗传算法 | 第21-23页 |
| ·基本遗传算法 | 第23-26页 |
| ·遗传算法的理论基础 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于改进遗传算法优化的 LS-SVM 的变压器数据预测 | 第28-35页 |
| ·LS-SVM 函数估计算法 | 第28-30页 |
| ·遗传算法的改进 | 第30-31页 |
| ·改进 GA 优化 LS-SVM 预测模型 | 第31-33页 |
| ·实例分析 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于改进遗传算法优化的 LS-SVM 的变压器故障诊断 | 第35-43页 |
| ·LS-SVM 分类算法 | 第35-36页 |
| ·LS-SVM 多分类算法 | 第36-37页 |
| ·基于改进 GA 优化的 LS-SVM 的变压器故障诊断 | 第37-39页 |
| ·实例分析 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 电力变压器数据管理和故障诊断专家系统 | 第43-49页 |
| ·SQL Server 和Visual Studio 介绍 | 第43-44页 |
| ·SQL Server 介绍 | 第43-44页 |
| ·Visual Studio 介绍 | 第44页 |
| ·专家系统介绍 | 第44-48页 |
| ·系统综合介绍 | 第44-45页 |
| ·变压器管理界面功能介绍 | 第45-48页 |
| ·实例分析 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第六章 结论 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 在学期间发表的学术论文和参加科研情况 | 第54页 |
