人工冻结温度场改进支持向量机计算模型研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 1 绪论 | 第12-25页 |
| ·人工冻结法概述 | 第12-17页 |
| ·人工冻结法的产生和发展 | 第12页 |
| ·冻结法的应用现状 | 第12-17页 |
| ·人工冻结温度场研究现状 | 第17-23页 |
| ·人工冻结温度场一般特性 | 第17-18页 |
| ·冻结温度场的解析法研究 | 第18-21页 |
| ·冻结温度场的数值法研究 | 第21-22页 |
| ·冻结温度场的模拟法研究 | 第22-23页 |
| ·本文课题的提出 | 第23-24页 |
| ·本文的主要内容 | 第24-25页 |
| 2 信湖矿温度现场实测 | 第25-41页 |
| ·工程概况 | 第25-28页 |
| ·地质概况 | 第25-26页 |
| ·冻结工程技术概况 | 第26-28页 |
| ·测试方案 | 第28-29页 |
| ·温度测点的布置 | 第28-29页 |
| ·测温系统 | 第29页 |
| ·副井冻结过程温度场分析 | 第29-39页 |
| ·盐水温度变化 | 第30-31页 |
| ·温度测点曲线 | 第31-34页 |
| ·冻结过程分析 | 第34-39页 |
| ·本章小结 | 第39-41页 |
| 3 支持向量机理论 | 第41-54页 |
| ·支持向量机的发展 | 第41-43页 |
| ·SVM的提出和发展 | 第41-42页 |
| ·SVM算法的优势 | 第42页 |
| ·SVM目前应用领域 | 第42-43页 |
| ·SVM算法的数学理论基础 | 第43-45页 |
| ·统计学习理论和结构风险最小化准则 | 第43-44页 |
| ·VC维理论简介 | 第44-45页 |
| ·SVM基本理论 | 第45-52页 |
| ·支持向量机分类 | 第45-47页 |
| ·支持向量机回归 | 第47-52页 |
| ·SVM对偶寻优解法 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 4 基于SVM的冻结温度场预测 | 第54-60页 |
| ·冻结温度场的SVM研究 | 第54-59页 |
| ·温度序列的支持向量机表示 | 第54页 |
| ·SVM预测 | 第54-59页 |
| ·本章小结 | 第59-60页 |
| 5 基于PSO-SVM的冻结温度场预测 | 第60-73页 |
| ·SVM算法的参数选取 | 第60-61页 |
| ·粒子优化群算法 | 第61-64页 |
| ·算法产生及内容 | 第61-62页 |
| ·算法的基本步骤 | 第62-63页 |
| ·算法的参数选取 | 第63-64页 |
| ·基于PSO优化参数的SVM算法步骤 | 第64页 |
| ·PSO优化SVM参数的流程 | 第64-66页 |
| ·基于PSO-SVM算法的冻结温度场预测 | 第66-72页 |
| ·与无参数优化的SVM预测结果对比 | 第66-68页 |
| ·PSO优化参数下的SVM模型 | 第68-72页 |
| ·温度序列的滚动预测方法 | 第72页 |
| ·本章小结 | 第72-73页 |
| 6 结论和展望 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78-79页 |
| 作者简介及主要科研成果 | 第79页 |
