基于SVM的盾构刀盘能耗预测分析
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 研究现状及趋势 | 第11-15页 |
| 1.2.1 盾构能耗国内外研究现状 | 第11-13页 |
| 1.2.2 盾构掘进参数国内外研究现状 | 第13-15页 |
| 1.3 研究内容与方法 | 第15-16页 |
| 2 盾构机能耗 | 第16-30页 |
| 2.1 盾构机能耗组成 | 第17-18页 |
| 2.2 刀盘能耗影响因素 | 第18-30页 |
| 3 预测控制及算法基础理论研究 | 第30-42页 |
| 3.1 svm算法的原理 | 第30-37页 |
| 3.1.1 svm算法的原理介绍 | 第30-32页 |
| 3.1.2 线性支持向量机 | 第32-35页 |
| 3.1.3 非线性支持向量机与核函数 | 第35-37页 |
| 3.2 BP神经网络算法 | 第37-42页 |
| 3.2.1 BP网络的结构 | 第37-38页 |
| 3.2.2 BP网络的学习过程 | 第38页 |
| 3.2.3 BP网络学习公式推导 | 第38-42页 |
| 4 预测模型建立 | 第42-46页 |
| 4.1 预测模型建立 | 第42-44页 |
| 4.2 支持向量机参数选择 | 第44-46页 |
| 5 土压平衡盾构能耗预测的实现 | 第46-62页 |
| 5.1 工程概况 | 第46页 |
| 5.2 工程数据分析及建模工具介绍 | 第46-52页 |
| 5.3 基于SVM的刀盘能耗预测 | 第52-57页 |
| 5.4 基于BP神经网络的预测 | 第57-60页 |
| 5.5 本章小结 | 第60-62页 |
| 6 结论与展望 | 第62-64页 |
| 6.1 结论 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-74页 |
| 附录 作者攻读学位期间发表学术论文目录 | 第74页 |
