首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--监视、报警、故障诊断系统论文

物联网数据融合在智慧管网监控系统中的应用研究

摘要第5-6页
Abstract第6页
第一章 绪论第10-13页
    1.1 研究背景及意义第10-11页
    1.2 主要研究内容及创新第11-12页
    1.3 论文组织结构第12-13页
第二章 相关基础理论研究第13-30页
    2.1 智慧管网第13-15页
        2.1.1 智慧管网的概念第13-14页
        2.1.2 智慧管网的四个层面第14-15页
        2.1.3 综合管廊第15页
    2.2 物联网第15-19页
        2.2.1 物联网的概念第15-16页
        2.2.2 物联网的体系架构第16-18页
        2.2.3 智慧管网的物联网数据特点第18页
        2.2.4 物联网数据演化机理第18-19页
    2.3 数据融合第19-24页
        2.3.1 数据融合定义第19-20页
        2.3.2 数据融合分类第20-22页
        2.3.3 数据融合的数据分类第22页
        2.3.4 数据融合功能模型第22-24页
        2.3.5 数据融合算法概述第24页
    2.4 神经网络第24-29页
        2.4.1 神经网络模型第24-27页
        2.4.2 神经网络互连结构第27-28页
        2.4.3 神经网络的训练第28-29页
    本章小结第29-30页
第三章 基于物联网数据融合的智慧管网体系研究第30-37页
    3.1 总体架构第30-31页
    3.2 逻辑架构第31-32页
    3.3 管廊WSN模型第32-33页
    3.4 数据服务平台模型第33-36页
    本章小结第36-37页
第四章 智慧管网监控系统的物联网数据融合模型研究第37-46页
    4.1 智慧管网监控系统的物联网数据融合建模方法第37-38页
    4.2 实时监测的态势评估模型第38-41页
        4.2.1 管廊态势、态势要素与态势评估的概念第38-39页
        4.2.2 两级实时监测的态势评估模型第39-41页
    4.3 预警报警的威胁评估模型第41-44页
        4.3.1 威胁评估、威胁要素的概念第41-43页
        4.3.2 预警报警的威胁评估模型第43-44页
    4.4 泄漏诊断的数据融合模型第44-45页
    本章小结第45-46页
第五章 物联网数据融合的BP算法改进第46-68页
    5.1 BP神经网络第46-54页
        5.1.1 BP神经网络模型第46-47页
        5.1.2 BP算法原理第47-49页
        5.1.3 BP算法步骤第49-50页
        5.1.4 BP算法的缺陷第50-51页
        5.1.5 BP算法改进综述第51-54页
    5.2 BP神经网络算法的改进第54-58页
        5.2.1 自适应学习率调整第54-55页
        5.2.2 进一步改进第55-57页
        5.2.3 附加动量法第57-58页
        5.2.4 改进的BP算法第58页
    5.3 改进BP算法的有效性验证第58-67页
        5.3.1 实验背景第59页
        5.3.2 BPIDA算法模型第59-63页
        5.3.3 实验分析第63-67页
    本章小结第67-68页
第六章 改进的BP算法在智慧管网监控系统中的应用第68-73页
    6.1 智慧管网监控系统的总体设计第68-69页
    6.2 智慧管网监控系统的模块实现第69-72页
        6.2.1 网络训练模块第69页
        6.2.2 实时监测模块第69-70页
        6.2.3 预警报警模块第70-71页
        6.2.4 泄漏诊断模块第71-72页
    本章小结第72-73页
第七章 总结与展望第73-75页
    7.1 总结第73-74页
    7.2 展望第74-75页
参考文献第75-78页
附录 改进的动量-自适应学习率算法的代码第78-79页
攻读硕士学位期间发表的学术论文第79-80页
致谢第80页

论文共80页,点击 下载论文
上一篇:基于单片机的智能车速度控制系统研究
下一篇:Cu(In1-xAlx)Se2薄膜太阳能电池关键材料制备及性能的研究