基于SVM的变压器运行状态分析
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究的内容和框架 | 第11-16页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 具体思路和框架 | 第12-16页 |
| 2 变压器理论基础 | 第16-22页 |
| 2.1 变压器工作原理 | 第16-18页 |
| 2.2 变压器分类 | 第18-20页 |
| 2.3 变压器应用 | 第20-22页 |
| 3 变压器运行数据处理 | 第22-32页 |
| 3.1 数据的获取及分析 | 第22-25页 |
| 3.1.1 数据的获取 | 第22-24页 |
| 3.1.2 数据的分析 | 第24-25页 |
| 3.2 主成分分析 | 第25-28页 |
| 3.2.1 基本原理 | 第25页 |
| 3.2.2 实现过程 | 第25-26页 |
| 3.2.3 计算步骤 | 第26页 |
| 3.2.4 主成分分析仿真 | 第26-28页 |
| 3.3 仿真实验对比 | 第28-31页 |
| 3.3.1 原始运行状态分析仿真 | 第28-29页 |
| 3.3.2 主成分分析后的运行状态分析 | 第29-30页 |
| 3.3.3 运行时间和准确率对比 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 状态分析模型及优化 | 第32-53页 |
| 4.1 状态分析模型 | 第32-36页 |
| 4.2 参数的优化 | 第36-37页 |
| 4.2.1 遗传算法优化参数 | 第36页 |
| 4.2.2 网格算法优化参数 | 第36页 |
| 4.2.3 粒子群算法优化参数 | 第36-37页 |
| 4.3 核函数仿真实验对比 | 第37-51页 |
| 4.3.1 数据预处理 | 第37-40页 |
| 4.3.2 仿真实验 | 第40-51页 |
| 4.4 本章小结 | 第51-53页 |
| 5 其它机器学习方法对比实验 | 第53-61页 |
| 5.1 逻辑回归与神经网络 | 第53-58页 |
| 5.1.1 逻辑回归 | 第53-55页 |
| 5.1.2 神经网络 | 第55-58页 |
| 5.2 仿真 | 第58-59页 |
| 5.2.1 逻辑回归仿真 | 第58-59页 |
| 5.2.2 神经网络仿真 | 第59页 |
| 5.3 本章小结 | 第59-61页 |
| 6 总结与展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第65页 |
