| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 水资源现状 | 第10-11页 |
| 1.1.2 腐蚀产生的危害 | 第11页 |
| 1.1.3 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文研究的主要内容 | 第13-15页 |
| 第二章 循环冷却水系统腐蚀预测研究基础 | 第15-22页 |
| 2.1 循环冷却水系统 | 第15-19页 |
| 2.1.1 循环冷却水系统分类 | 第15-16页 |
| 2.1.2 循环冷却水系统概况 | 第16-18页 |
| 2.1.3 循环冷却水系统数据来源 | 第18-19页 |
| 2.2 循环冷却水系统常见故障分析 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 循环冷却水系统腐蚀预测参数选取 | 第22-34页 |
| 3.1 腐蚀预测参数选取的必要性 | 第22页 |
| 3.2 应用灰色关联分析法进行腐蚀预测参数选取的可行性分析 | 第22-23页 |
| 3.3 灰色关联度模型 | 第23-26页 |
| 3.3.1 常用关联度模型 | 第23-25页 |
| 3.3.2 加权灰关联分析模型 | 第25-26页 |
| 3.4 加权灰关联分析法用于腐蚀预测参数的选取 | 第26-32页 |
| 3.5 腐蚀预测参数选取结果及分析 | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 基于遗传算法优化BP神经网络的循环冷却水系统腐蚀预测 | 第34-57页 |
| 4.1 基于BP神经网络的循环冷却水系统腐蚀预测 | 第34-47页 |
| 4.1.1 应用BP神经网络预测循环冷却水系统腐蚀速率的可行性分析及意义 | 第34页 |
| 4.1.2 BP神经网络基础知识 | 第34-35页 |
| 4.1.3 BP神经网络缺点及改进方法 | 第35-37页 |
| 4.1.4 基于BP神经网络的循环冷却水系统腐蚀速率预测模型实现 | 第37-47页 |
| 4.2 基于GA-BP神经网络的循环冷却水系统腐蚀预测 | 第47-54页 |
| 4.2.1 应用遗传算法优化BP神经网络的可行性分析及意义 | 第47页 |
| 4.2.2 遗传算法基本原理及优点 | 第47页 |
| 4.2.3 遗传算法主要步骤 | 第47-50页 |
| 4.2.4 遗传算法优化BP神经网络实现 | 第50-54页 |
| 4.3 BP神经网络和GA-BP神经网络预测效果对比 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 论文主要工作总结 | 第57-58页 |
| 5.2 进一步工作展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 发表论文和科研情况说明 | 第62-63页 |
| 致谢 | 第63-64页 |
