| 中文摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 选题的背景及意义 | 第11-13页 |
| 1.2 输电线路覆冰预测现状 | 第13-15页 |
| 1.3 论文的主要工作 | 第15-17页 |
| 第二章 输电线路覆冰机理及防冰除冰措施 | 第17-29页 |
| 2.1 输电线路覆冰的机理和分类 | 第17-19页 |
| 2.2 输电线路覆冰影响因素 | 第19-22页 |
| 2.2.1 气象因素 | 第19-20页 |
| 2.2.2 地形因素 | 第20-21页 |
| 2.2.3 导线自身因素 | 第21-22页 |
| 2.2.4 杆塔及导线悬挂高度因素 | 第22页 |
| 2.2.5 覆冰类型因素 | 第22页 |
| 2.2.6 气候因素 | 第22页 |
| 2.3 导线覆冰模型 | 第22-25页 |
| 2.4 输电线路防冰除冰措施 | 第25-28页 |
| 2.4.1 线路规划阶段的应对措施 | 第25-26页 |
| 2.4.2 线路运行阶段的应对措施 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于神经网络和支持向量机的输电线路覆冰预测 | 第29-44页 |
| 3.1 基于神经网络的覆冰预测 | 第29-36页 |
| 3.1.1 神经网络原理 | 第29-33页 |
| 3.1.2 RBF神经网络理论 | 第33-34页 |
| 3.1.3 基于RBF神经网络覆冰预测 | 第34-36页 |
| 3.2 基于支持向量机的覆冰预测 | 第36-42页 |
| 3.2.1 支持向量机理论 | 第37-38页 |
| 3.2.2 支持向量机回归理论 | 第38-40页 |
| 3.2.3 基于支持向量机的覆冰预测 | 第40-42页 |
| 3.3 两种预测方法的对比 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于改进遗传算法和改进粒子群算法优化参数后的输电线路覆冰预测 | 第44-62页 |
| 4.1 基于改进遗传算法优化的覆冰预测 | 第44-50页 |
| 4.1.1 遗传算法原理 | 第44-47页 |
| 4.1.2 改进遗传算法 | 第47-48页 |
| 4.1.3 基于改进遗传算法优化参数的覆冰预测 | 第48-50页 |
| 4.2 基于改进粒子群算法优化的覆冰预测 | 第50-57页 |
| 4.2.1 粒子群算法原理 | 第50-53页 |
| 4.2.2 改进粒子群算法 | 第53-54页 |
| 4.2.3 基于改进粒子群算法优化参数的覆冰预测 | 第54-57页 |
| 4.3 遗传算法和粒子群算法结合优化的覆冰预测 | 第57-60页 |
| 4.3.1 遗传算法和粒子群算法结合方法 | 第57-58页 |
| 4.3.2 基于两者结合算法的覆冰预测 | 第58-60页 |
| 4.4 各种预测方法的对比 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 结论与展望 | 第62-63页 |
| 5.1 论文的总结 | 第62页 |
| 5.2 论文的展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 个人简况及联系方式 | 第70-72页 |