| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-18页 |
| ·国内外供水管网漏失定位技术 | 第9-15页 |
| ·流量及压力监测法 | 第9-10页 |
| ·负压波检测定位法 | 第10-11页 |
| ·声波检测定位法 | 第11-12页 |
| ·模型检测定位法 | 第12-13页 |
| ·信号分析处理技术 | 第13-15页 |
| ·遗传算法及BP 神经网络在管道漏失检测领域的应用 | 第15-16页 |
| ·人工神经网络在管道漏失检测中的应用 | 第15-16页 |
| ·遗传算法在管道漏失检测中的应用 | 第16页 |
| ·论文的研究内容 | 第16-18页 |
| 第二章 供水管网水力建模 | 第18-27页 |
| ·供水管网基本信息 | 第18-21页 |
| ·采用EPANETH 实现供水管网水力模拟 | 第21-25页 |
| ·EPANETH 简介 | 第21-22页 |
| ·供水管网水力模拟的基本方法 | 第22-23页 |
| ·管网正常工况水力计算 | 第23-24页 |
| ·管网爆管工况水力计算 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 基于BP 神经网络的供水管网漏失定位研究 | 第27-47页 |
| ·BP 神经网络概述 | 第27-28页 |
| ·BP 神经网络运算的基本流程 | 第28-29页 |
| ·设计BP 神经网络时需考虑的因素 | 第29-32页 |
| ·样本数据 | 第29-30页 |
| ·初始权值 | 第30-31页 |
| ·隐含层层数 | 第31页 |
| ·隐含层节点数 | 第31页 |
| ·传递函数和训练函数 | 第31-32页 |
| ·学习速率和动量系数 | 第32页 |
| ·神经网络模型的性能和泛化能力 | 第32-33页 |
| ·BP 算法的优点及缺陷 | 第33-34页 |
| ·采用BP 神经网络进行爆管预定位 | 第34-45页 |
| ·获取样本数据 | 第34页 |
| ·构建BP 神经网络 | 第34-35页 |
| ·压力变化值的预测 | 第35-38页 |
| ·爆管预定位 | 第38-45页 |
| ·本章小结 | 第45-47页 |
| 第四章 基于遗传算法优化BP 神经网络的供水管网漏失定位研究 | 第47-61页 |
| ·遗传算法（GA）与BP 算法相结合的可行性分析 | 第47-48页 |
| ·遗传算法优化BP 神经网络权值的步骤 | 第48-49页 |
| ·采用GA-BP 神经网络进行爆管预定位 | 第49-60页 |
| ·构建基于遗传算法优化的BP 神经网络 | 第49页 |
| ·压力变化预测 | 第49-52页 |
| ·爆管预定位 | 第52-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 两种方案的比较 | 第61-66页 |
| ·预测方法 | 第61页 |
| ·预测精度 | 第61-65页 |
| ·定位精度 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 附表 | 第73页 |