| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第11-17页 |
| 1.1 引言 | 第11页 |
| 1.2 分布式光纤传感技术 | 第11-14页 |
| 1.2.1 相位调制型分布式光纤传感器 | 第11-13页 |
| 1.2.2 散射型分布式光纤传感器 | 第13-14页 |
| 1.3 Φ-OTDR分布式光纤扰动传感系统的扰动事件识别研究现状 | 第14-16页 |
| 1.4 本文工作 | 第16-17页 |
| 2 Φ-OTDR分布式光纤扰动传感系统理论 | 第17-27页 |
| 2.1 Φ-OTDR分布式光纤扰动传技术 | 第17-21页 |
| 2.1.1 光的散射 | 第17页 |
| 2.1.2 瑞利散射 | 第17-19页 |
| 2.1.3 OTDR技术 | 第19-20页 |
| 2.1.4 Φ-OTDR技术 | 第20-21页 |
| 2.2 Φ-OTDR理论模型与仿真 | 第21-23页 |
| 2.3 随机森林 | 第23-25页 |
| 2.3.1 决策树理论 | 第23-25页 |
| 2.3.2 随机森林理论 | 第25页 |
| 2.4 本章小结 | 第25-27页 |
| 3 Φ-OTDR分布式光纤扰动传感系统输出信号的特征提取 | 第27-47页 |
| 3.1 引言 | 第27页 |
| 3.2 实验装置 | 第27-29页 |
| 3.3 数据预处理 | 第29-34页 |
| 3.3.1 信号采集 | 第29页 |
| 3.3.2 信号归一化 | 第29-31页 |
| 3.3.3 信号分割 | 第31-32页 |
| 3.3.4 数据样本差分 | 第32-34页 |
| 3.4 特征提取 | 第34-46页 |
| 3.4.1 峰值、最小值及峰峰值 | 第34-37页 |
| 3.4.2 能量、均值、整流平均值、均方根 | 第37-39页 |
| 3.4.3 方差 | 第39-40页 |
| 3.4.4 峭度 | 第40-41页 |
| 3.4.5 偏度 | 第41-42页 |
| 3.4.6 裕度因子 | 第42-43页 |
| 3.4.7 波形因子 | 第43-44页 |
| 3.4.8 峰值因子 | 第44-45页 |
| 3.4.9 脉冲因子 | 第45-46页 |
| 3.5 特征归一化 | 第46页 |
| 3.6 本章小结 | 第46-47页 |
| 4 基于决策树的扰动事件识别 | 第47-59页 |
| 4.1 决策树算法 | 第47-52页 |
| 4.1.1 决策树生成 | 第47-51页 |
| 4.1.2 决策树剪枝 | 第51-52页 |
| 4.2 利用IBM SPSS MODELER生成决策树模型 | 第52-56页 |
| 4.2.1 IBM SPSS Modeler简介 | 第52-53页 |
| 4.2.2 决策树生成 | 第53-55页 |
| 4.2.3 决策树测试 | 第55-56页 |
| 4.3 实验与分析 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 5 基于随机森林的扰动事件识别 | 第59-69页 |
| 5.1 随机森林算法 | 第59-63页 |
| 5.1.1 集成学习 | 第59-61页 |
| 5.1.2 随机森林生成 | 第61-63页 |
| 5.2 算法总体流程 | 第63-64页 |
| 5.3 实验与分析 | 第64-67页 |
| 5.4 与基于决策树的事件识别算法对比 | 第67-68页 |
| 5.5 本章小结 | 第68-69页 |
| 6 结论 | 第69-71页 |
| 6.1 论文完成的主要工作 | 第69-70页 |
| 6.2 下一步研究建议 | 第70-71页 |
| 附录A | 第71-73页 |
| 附录B | 第73-75页 |
| 参考文献 | 第75-79页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第79-83页 |
| 学位论文数据集 | 第83页 |
