引黄灌渠斗口水流量软测量技术研究
| 摘要 | 第1-9页 |
| Abstract | 第9-18页 |
| 第一章 绪论 | 第18-28页 |
| ·研究背景与意义 | 第18-19页 |
| ·引黄灌渠斗口水流量测量技术概要 | 第19-20页 |
| ·明渠流量测量技术 | 第19页 |
| ·引黄灌渠量水现行方法 | 第19-20页 |
| ·国内外研究现状与发展趋势 | 第20-23页 |
| ·本文研究任务及目标 | 第23-24页 |
| ·本文内容与创新点 | 第24-28页 |
| ·本文结构与内容 | 第24-26页 |
| ·本文主要贡献与创新点 | 第26-28页 |
| 第二章 引黄灌渠水流量自动监测硬件平台 | 第28-44页 |
| ·黄河可交易水权制度与灌溉渠网数字化 | 第28-29页 |
| ·全流域统一配水 | 第28页 |
| ·黄河可交易水权制度 | 第28-29页 |
| ·引黄灌溉渠网数字化 | 第29页 |
| ·引黄灌溉渠网水流量自动测量技术 | 第29-31页 |
| ·干渠水流量自动测量技术 | 第29-30页 |
| ·支渠水流量自动测量技术 | 第30-31页 |
| ·支渠以下水流量自动测量技术 | 第31页 |
| ·引黄灌溉渠网水流量自动监测网络 | 第31-34页 |
| ·数字灌区基本框架 | 第31-33页 |
| ·基于短消息的灌渠水流量自动监测网络 | 第33-34页 |
| ·灌渠斗口水流量自动测量装置 | 第34-43页 |
| ·数据融合中心 | 第35-36页 |
| ·短消息数据通信 | 第36-39页 |
| ·智能浮子水位计 | 第39-42页 |
| ·智能水尺 | 第42-43页 |
| ·闸门开度检测机构 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第三章 引黄灌渠斗口水流量软测量技术 | 第44-82页 |
| ·软测量技术概述 | 第44-55页 |
| ·软测量技术的起源与发展 | 第44-46页 |
| ·软测量技术的工程实现 | 第46-51页 |
| ·软测量建模方法分类 | 第51-54页 |
| ·软测量技术应用 | 第54-55页 |
| ·引黄灌渠斗口出流水力学分析 | 第55-65页 |
| ·水流量软测量研究对象 | 第55-56页 |
| ·相关水力学知识 | 第56-61页 |
| ·闸门控制自由出流流量计算 | 第61-63页 |
| ·有闸控制淹没出流流量计算 | 第63-65页 |
| ·引黄灌渠斗口水流量软测量机理模型 | 第65-68页 |
| ·闸门全开自由出流 | 第65页 |
| ·闸门全开淹没出流 | 第65-66页 |
| ·有闸控制自由出流 | 第66-67页 |
| ·有闸控制淹没出流 | 第67页 |
| ·有压淹没出流（有压潜流） | 第67-68页 |
| ·水力学机理模型表达 | 第68页 |
| ·辅助变量信号采集与处理 | 第68-73页 |
| ·辅助变量选择 | 第69-70页 |
| ·辅助变量信号特征分析 | 第70页 |
| ·辅助变量信号采集 | 第70-71页 |
| ·辅助变量信号处理 | 第71-73页 |
| ·引黄灌渠斗口水流量软测量流程 | 第73-74页 |
| ·软测量模型校正 | 第74-77页 |
| ·模型校正的必要性 | 第74页 |
| ·模型校正策略 | 第74-75页 |
| ·引黄灌渠斗口水流量软测量模型校正 | 第75-77页 |
| ·软测量模型研究条件 | 第77-81页 |
| ·引黄灌渠斗口水工建筑物 | 第78页 |
| ·水工实验装置 | 第78-80页 |
| ·现场试验条件 | 第80页 |
| ·实验数据处理 | 第80-81页 |
| ·本章小结 | 第81-82页 |
| 第四章 引黄灌渠斗口水流量软测量专家系统 | 第82-94页 |
| ·专家系统概述 | 第82-83页 |
| ·引黄灌渠斗口水流量软测量专家系统 | 第83-93页 |
| ·软测量专家系统结构 | 第83-85页 |
| ·基本知识库的建立 | 第85-87页 |
| ·产生式分层推理 | 第87-88页 |
| ·基本知识库扩充 | 第88-90页 |
| ·软测量专家系统检验分析 | 第90-93页 |
| ·本章小结 | 第93-94页 |
| 第五章 基于ANN的引黄灌渠斗口水流量软测量模型 | 第94-132页 |
| ·神经网络概述 | 第94-97页 |
| ·神经网络组成与分类 | 第94-95页 |
| ·神经网络学习 | 第95-97页 |
| ·神经网络融合技术 | 第97页 |
| ·引黄灌渠斗口水流量BP网络软测量模型 | 第97-106页 |
| ·BP神经网络 | 第98-100页 |
| ·标准BP算法的缺陷及改进措施 | 第100-101页 |
| ·BP网络软测量模型 | 第101-103页 |
| ·模型训练与性能检验 | 第103-106页 |
| ·引黄灌渠斗口水流量RBF网络软测量模型 | 第106-116页 |
| ·RBF神经网络 | 第106-107页 |
| ·RBF网络软测量模型 | 第107-108页 |
| ·基于自适应遗传算法的RBF网络学习 | 第108-115页 |
| ·模型训练与性能检验 | 第115-116页 |
| ·引黄灌渠斗口水流量CMAC混合软测量模型 | 第116-127页 |
| ·CMAC网络 | 第116-119页 |
| ·模糊CMAC网络 | 第119-121页 |
| ·基于CMAC网络的混合软测量模型 | 第121-123页 |
| ·混合软测量模型训练与性能检验 | 第123-127页 |
| ·引黄灌渠斗口水流量软测量混合专家网络 | 第127-130页 |
| ·多神经网络集成概述 | 第127-128页 |
| ·软测量混合专家网络 | 第128-130页 |
| ·本章小结 | 第130-132页 |
| 第六章 基于SVM的引黄灌渠斗口水流量软测量模型 | 第132-148页 |
| ·支持向量机概述 | 第132-135页 |
| ·有师学习模型与经验风险 | 第132-133页 |
| ·结构风险与支持向量机 | 第133-135页 |
| ·基于SVR的引黄灌渠斗口水流量软测量模型 | 第135-139页 |
| ·问题的提出 | 第135页 |
| ·基于SVR的软测量模型 | 第135-139页 |
| ·基于粒子群算法的SVR软测量模型参数优化 | 第139-144页 |
| ·PSO算法概述 | 第139-141页 |
| ·PSO参数及其作用 | 第141-143页 |
| ·基于PSO算法的参数优化步骤 | 第143页 |
| ·SVR软测量模型建立过程 | 第143-144页 |
| ·SVR软测量模型仿真分析 | 第144-147页 |
| ·SVR软测量模型损失函数比较 | 第144-145页 |
| ·SVR软测量模型核函数比较 | 第145-146页 |
| ·SVR软测量模型的训练样本稀疏特性 | 第146页 |
| ·SVR软测量模型与神经网络模型比对 | 第146-147页 |
| ·本章小结 | 第147-148页 |
| 第七章 综合流量系数FIS与模糊边界软测量技术 | 第148-171页 |
| ·综合流量系数模糊推理系统 | 第148-159页 |
| ·模糊推理系统概述 | 第148-149页 |
| ·综合流量系数FIS | 第149-152页 |
| ·综合流量系数ANFIS | 第152-159页 |
| ·引黄灌渠斗口水流态模糊边界 | 第159-162页 |
| ·水流态迁移关系 | 第159-160页 |
| ·水流态模糊边界 | 第160-161页 |
| ·水流态区域参考模型 | 第161-162页 |
| ·基于信息融合的模糊边界水流量软测量 | 第162-169页 |
| ·信息融合概述 | 第162-163页 |
| ·基于距离测度的加权平均数据融合算法 | 第163-167页 |
| ·模糊边界软测量方案检验 | 第167-169页 |
| ·本章小结 | 第169-171页 |
| 第八章 结论与展望 | 第171-174页 |
| ·结论 | 第171-172页 |
| ·展望 | 第172-174页 |
| 参考文献 | 第174-181页 |
| 作者在攻读博士学位期间撰写及公开发表的论文 | 第181-182页 |
| 作者在攻读博士学位期间参与的项目及研究成果 | 第182-183页 |
| 致谢 | 第183-184页 |
