| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题研究的背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文研究的主要内容 | 第12-14页 |
| 2 输电线覆冰产生机理 | 第14-19页 |
| 2.1 输电线覆冰形成过程 | 第14页 |
| 2.2 输电线覆冰的影响因素 | 第14-16页 |
| 2.2.1 气象因素 | 第14-15页 |
| 2.2.2 海拔高度及输电线悬挂高度 | 第15页 |
| 2.2.3 输电线本身 | 第15-16页 |
| 2.3 覆冰的分类 | 第16页 |
| 2.4 输电线覆冰的产生机理及其模型 | 第16-18页 |
| 2.4.1 覆冰的产生机理 | 第16页 |
| 2.4.2 输电线覆冰模型 | 第16-18页 |
| 2.4.3 传统模型的比较 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 3 基于几种常见智能算法的输电线覆冰厚度预测研究 | 第19-37页 |
| 3.1 BP神经网络理论 | 第20-27页 |
| 3.1.1 BP神经网络的结构和模型 | 第20-24页 |
| 3.1.2 基于BP神经网络的输电线覆冰厚度预测研究 | 第24-27页 |
| 3.2 灰色理论 | 第27-31页 |
| 3.2.1 灰色理论模型 | 第27-30页 |
| 3.2.2 基于灰色理论的的输电线覆冰厚度预测研究 | 第30-31页 |
| 3.3 RBF神经网络理论 | 第31-35页 |
| 3.3.1 RBF神经网络的结构和模型 | 第31-32页 |
| 3.3.2 基于RBF神经网络的输电线覆冰厚度预测研究 | 第32-35页 |
| 3.4 几种智能算法的对比 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 基于支持向量机的输电线覆冰厚度预测研究 | 第37-61页 |
| 4.1 支持向量机理论 | 第37-41页 |
| 4.1.1 线性回归型支持向量机 | 第37-39页 |
| 4.1.2 非线性回归型支持向量机 | 第39-41页 |
| 4.1.3 支持向量机核函数 | 第41页 |
| 4.2 支持向量机回归预测与建模步骤 | 第41-45页 |
| 4.2.1 Libsvm工具箱 | 第42-43页 |
| 4.2.2 预测方法的性能评价指标 | 第43-44页 |
| 4.2.3 基于SVM不同C和g的输电线覆冰厚度预测研究 | 第44-45页 |
| 4.2.4 结果分析与讨论 | 第45页 |
| 4.3 支持向量机参数选取分析 | 第45-46页 |
| 4.4 基于PSO-SVM的输电线覆冰厚度预测模型研究 | 第46-52页 |
| 4.4.1 粒子群优化算法的理论基础 | 第46-49页 |
| 4.4.2 PSO-SVM预测模型研究 | 第49-50页 |
| 4.4.3 PSO-SVM建模仿真 | 第50-52页 |
| 4.4.4 结果分析与讨论 | 第52页 |
| 4.5 基于GA-SVM的输电线覆冰厚度预测模型研究 | 第52-56页 |
| 4.5.1 遗传算法的理论基础 | 第52-53页 |
| 4.5.2 GA-SVM预测模型研究 | 第53-55页 |
| 4.5.3 GA-SVM建模仿真 | 第55-56页 |
| 4.5.4 结果分析与讨论 | 第56页 |
| 4.6 几种算法结果对比分析与讨论 | 第56-58页 |
| 4.7 输电线覆冰厚度预测软件工具的设计 | 第58-60页 |
| 4.8 本章小结 | 第60-61页 |
| 总结 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表论文及科研成果 | 第65-66页 |
| 致谢 | 第66-67页 |
