基于GA-SVM的混凝土施工期温度快速预测
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 数据挖掘 | 第11-13页 |
| 1.2.1 数据挖掘产生的背景及意义 | 第11页 |
| 1.2.2 数据挖掘的步骤和方法 | 第11-12页 |
| 1.2.3 数据挖掘的应用 | 第12-13页 |
| 1.3 云计算平台 | 第13-15页 |
| 1.3.1 云计算平台的概念和特点 | 第13-14页 |
| 1.3.2 云计算的应用 | 第14-15页 |
| 1.4 支持向量机研究现状 | 第15-16页 |
| 1.5 技术路线及研究内容 | 第16-18页 |
| 第2章 支持向量机算法理论及参数寻优 | 第18-27页 |
| 2.1 支持向量机 | 第18-22页 |
| 2.1.1 SVM分类原理 | 第18-20页 |
| 2.1.2 SVM回归原理 | 第20-22页 |
| 2.2 Libsvm工具箱 | 第22-26页 |
| 2.2.1 Libsvm工具箱的调用 | 第22-23页 |
| 2.2.2 SVM的模型优化 | 第23-24页 |
| 2.2.3 SVM的参数寻优 | 第24-26页 |
| 2.3 小结 | 第26-27页 |
| 第3章 工程背景及数据清洗 | 第27-45页 |
| 3.1 工程背景及温控监测方案 | 第27-36页 |
| 3.1.1 吉牛水电站 | 第27-28页 |
| 3.1.2 蒙山天池水库工程 | 第28-31页 |
| 3.1.3 沙坪水电站 | 第31-32页 |
| 3.1.4 藏木水电站 | 第32-34页 |
| 3.1.5 恒山水库及布尔津山口水电站 | 第34-36页 |
| 3.2 数据清洗 | 第36-43页 |
| 3.2.1 剔除奇异值 | 第36-41页 |
| 3.2.2 填补空缺值 | 第41-43页 |
| 3.2.3 属性统一 | 第43页 |
| 3.3 小结 | 第43-45页 |
| 第4章 混凝土施工期最高温度及出现时间的预测 | 第45-60页 |
| 4.1 引言 | 第45-46页 |
| 4.2 主成分及相关性分析 | 第46-50页 |
| 4.2.1 主成分分析 | 第46-49页 |
| 4.2.2 SR相关性分析 | 第49-50页 |
| 4.3 最高温度的预测 | 第50-53页 |
| 4.3.1 数据提取 | 第50页 |
| 4.3.2 遗传算法参数寻优 | 第50-51页 |
| 4.3.3 预测结果 | 第51-53页 |
| 4.4 温度最高值出现时间预测 | 第53-56页 |
| 4.4.1 提取数据 | 第53页 |
| 4.4.2 遗传算法参数寻优 | 第53-54页 |
| 4.4.3 预测结果 | 第54-56页 |
| 4.5 参数寻优方法的比较 | 第56-59页 |
| 4.5.1 种群数量对预测精度的影响 | 第56-57页 |
| 4.5.2 不同寻优方法的选择 | 第57-59页 |
| 4.6 小结 | 第59-60页 |
| 第5章 混凝土施工期温度时程预测 | 第60-73页 |
| 5.1 引言 | 第60-61页 |
| 5.2 主成分与因子相关性分析 | 第61-63页 |
| 5.2.1 主成分分析 | 第61-63页 |
| 5.2.2 因子相关性分析 | 第63页 |
| 5.3 温度时序曲线的预测 | 第63-72页 |
| 5.3.1 提取数据 | 第63-64页 |
| 5.3.2 遗传算法参数寻优 | 第64页 |
| 5.3.3 温度时程预测 | 第64-72页 |
| 5.3.4 气温变量的处理 | 第72页 |
| 5.4 小结 | 第72-73页 |
| 第6章 混凝土施工期温度预测系统的实现 | 第73-82页 |
| 6.1 引言 | 第73页 |
| 6.2 模型训练子系统 | 第73-76页 |
| 6.2.1 数据载入模块 | 第74页 |
| 6.2.2 参数寻优及数据归一化模块 | 第74-76页 |
| 6.2.3 模型训练模块 | 第76页 |
| 6.2.4 保存结果模块 | 第76页 |
| 6.3 最高温度预测子系统 | 第76-77页 |
| 6.4 实例展示 | 第77-81页 |
| 6.4.1 登陆 | 第77-78页 |
| 6.4.2 模型训练 | 第78-80页 |
| 6.4.3 混凝土温度最高值的预测 | 第80-81页 |
| 6.5 小结 | 第81-82页 |
| 第7章 结论和展望 | 第82-84页 |
| 7.1 主要结论 | 第82页 |
| 7.2 展望 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 致谢 | 第88-90页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第90页 |
