一、灰三数据建模理论及其应用（论文文献综述）
黄仁惠[1]（2021）在《基于优化GM-LSSVM组合模型的埋地管道腐蚀失效预测研究》文中提出
邓晶艳[2]（2021）在《基于大数据的大学生日常思想政治教育创新研究》文中指出中国特色社会主义进入新时代,标定了大学生日常思想政治教育的新方位。面对新时代提出的新任务与新要求,大学生日常思想政治教育要不断探索新思路、新路径与新方法,进一步增强工作的针对性与实效性,以满足大学生成长成才需求以及党和国家事业发展需要。当前,随着移动互联网、物联网、云计算、人工智能等为代表的新一代网络信息技术的迅猛发展、全面集成与广泛应用,人类逐步迈入大规模数据挖掘、运用与创新的“大数据时代”。在此时代背景下,如何运用新媒体、新技术加强和创新高校思想政治教育工作,使之富有时代性、增强针对性、彰显实效性,是新时期高校面临的一个重要而现实的课题。作为当代信息技术发展的前沿,大数据广域的信息资源、先进的信息处理技术以及全新的思维范式,为大学生日常思想政治教育带来了即时性、精准性、前瞻性与个性化等创新发展的新动力与新空间。将大数据思维、技术与方法全方位嵌入大学生日常思想政治教育各要素、各环节与全过程,促进大学生日常思想政治教育革新思维、优化供给、改进方法、重构范式,建构科学化、数字化与智能化的大学生日常思想政治教育体系,推进大学生日常思想政治教育向“精准思政”“智慧思政”转型升级,是大学生日常思想政治教育顺应时代发展的现实需要,也是其进一步提质增效、焕发新机的重要生长点与强劲推动力。阐释大数据内涵、价值、特征与功能,阐释大学生日常思想政治教育内涵并且辨析其与大学生思想政治理论教育的关系,有利于进一步探讨两者的深度融合。基于此,大学生日常思想政治教育大数据概念得以提出。从大学生日常思想政治教育大数据资源、大学生日常思想政治教育大数据技术、大学生日常思想政治教育大数据思维三个维度全面阐述大学生日常思想政治教育大数据的内涵与外延,同时运用马克思主义哲学基本原理和方法论论析大学生日常思想政治教育大数据的生成逻辑、发展动因、方法论基础与价值取向,可以明确大数据与大学生日常思想政治教育需求的契合点,理清大数据对大学生日常思想政治教育的作用机理。面对新时代提出的新任务与新要求,大学生日常思想政治教育仍然面临一些困境、存在一些短板和弱环。运用文献资料法、大数据文本挖掘方法与访谈调研法审视大学生日常思想政治教育现状,总结当前大学生日常思想政治教育存在的问题与困境并作原因剖析,同时探讨新时代大学生日常思想政治教育新要求,指出新时代大学生日常思想政治教育面临的新课题以及新时代大学生日常思想政治教育的指导思想与原则、教育内容体系以及教育工作的主体转型,有利于为新时期大学生日常思想政治教育发展创新提供现实依据。通过分析大数据在大学生日常思想政治教育中应用的技术优势以及可能性,进一步探讨大数据在大学生日常思想政治教育中“精准画像”“规律探寻”与“超前感知”三个应用呈现。以之为基础,基于当前大学生日常思想政治教育存在的理念滞后、模式粗放、知行脱节、供需错位等难题,提出利用大数据推进大学生日常思想政治教育由线性思维向系统思维、由普适教育向个性化培育、由认知培育向实践养成、由需求侧适应向供给侧发力四大发展转向并详细阐述四大发展转向的实现路径。基于大数据推进大学生日常思想政治教育不仅要遵循学科规律、注重理论深化,还要坚持实践导向,致力推动大数据应用,促进理论与实践的双向转化。由之,宏观上,探索大学生日常思想政治教育大数据的数据采集、数据预处理与存储、数据挖掘与分析、数据应用与可视化、数据解释与反馈五大工作模块与应用流程;微观上,对大数据在大学生日常思想政治教育典型场域中的“数据画像”“精准资助”“失联告警”三个应用进行数据模型构建,从而为大学生日常思想政治教育利用大数据提供切实可行的实现路径。大数据为大学生日常思想政治教育创新发展带来了前所未有的机遇,然而,当前大学生日常思想政治教育利用大数据还存在观念性、路径性与机制性瓶颈,同时,大数据是一柄双刃剑,对数据的不当应用会带来诸如“数据垄断”“数据滥用”“数据侵害”“数据冰冷”等一些可能的风险与挑战。高校尚须在思维理念、技术开发、政策支持、制度完善、机制建设、校园环境建设等方面对大数据应用作出回应与调试。不仅如此,在基于大数据创新大学生日常思想政治教育过程中,高校要注重发挥教育工作者的主体性与能动性,始终坚持数字技术与人文精神、数据智能与教育智慧相结合。
张跃阳[3]（2021）在《基于人机工程学的下肢助力外骨骼造型设计研究》文中进行了进一步梳理本文以改善外骨骼穿戴舒适性和外观美观度为目标,提出了运用人机工程学理论改善外骨骼穿戴舒适性和外观美观度的方法,获得了结合人机工程学和产品设计的方法与原则设计外骨骼造型的手段,使外骨骼造型更加舒适、美观。验证了运用人机工程学方法改良下肢助力外骨骼舒适性、美观度的可行性,可为与人并联的相关产品的设计提供参考。本文主要研究内容如下:首先,对人机工程学及相关理论进行阐述。结合人机工程学的基本原理,分析了人机工程学和产品设计的关系,同时进一步研究人体测量学、人体解剖学、生物力学与人机工程学的内在联系,总结基于人机工程学的外骨骼设计原则。其次,对影响外骨骼的人机工程学因素进行分析。依据人机工程学及相关理论确定外骨骼的结构组成,通过人体测量学、人体解剖学设计外骨骼的结构尺寸、功能尺寸和关节自由度。同时,从绑缚位置、材质选用、绑缚曲面特征角度出发,优化长时间与人体紧密连接的绑缚约束的设计,改良外骨骼造型,提升人体舒适性。再次,通过使用计算机辅助人机分析方法对比人在有外骨骼辅助与无外骨骼辅助时搬运物品时的生物力学情况,验证穿戴外骨骼能够减轻人体负担,提升搬运舒适性和承载力的可行性。最后,运用基于人机工程学的外骨骼设计原则进行外骨骼造型设计实践。以形式追随功能为前提,依据人机工程学理论设计的外骨骼造型整体比例,按照工业产品设计程序与方法,调研分析现有外骨骼特征、市场占有情况和目标人群需求,明确外骨骼造型设计定位,根据外骨骼造型设计流程,从形态、材质、色彩三方面入手,设计获得了符合定位需求的造型。
兰良[4]（2021）在《基于广西高速公路收费数据的行程时间预测及其应用》文中研究说明随着我国社会经济迅速发展,汽车保有量持续增加,公众跨区域出行需求日益增强,对高速公路的需求远远超过其建设速度,使得高速公路承担的通行压力越来越大,从而导致道路拥堵、交通事故频频发生,高速公路整体服务水平大大降低。为了缓解经济发展带来的交通运输压力,使资源最优化,我国加大对智能交通系统（ITS）的研究与建设力度。高速公路行程时间预测是智能交通系统建设的重要内容之一。本文以广西高速公路收费数据为基础,提出一种适用于广西高速公路的行程时间预测方法。主要完成的工作包括以下三点:（1）提出一种针对广西高速公路收费数据特点的数据清洗方法,提高数据集质量。首先利用出口原始收费数据表中的出口时间和入口时间字段计算各车辆行程时间,接着根据规则剔除异常数据、使用正态分布的“3σ”原则筛选有效数据,最后化简数据表,仅保留研究所需字段。（2）提出一种适用于广西高速公路的行程时间预测方法。首先构建行程时间的特征工程,以预测时间段的前3期时间区间的平均行程时间、车型、车类、周天、小时作为特征变量,用最大最小标准化方法对数值型特征归一化处理,用one-hot编码对分类型特征进行处理;然后分别使用随机森林算法和BP神经网络建立高速公路行程时间预测模型,最后以广西高速公路六景至南宁东段的数据为研究对象,对模型进行训练以及对预测结果进行验证、评价。结果表明,BP神经网络比随机森林算法更适合用于搭建高速公路行程时间预测模型。基于BP神经网络的预测模型泛化能力更好,平均绝对百分比误差（MAPE）和均绝对误差（MAE）分别为6.23%和116秒,为可接受的误差范围。（3）将行程时间预测模型应用于已建成的“智慧高速一体化平台”系统中。基于python语言和pytorch框架搭建行程时间预测模型,通过socket实现“智慧高速一体化平台”系统后台与预测模块跨语言、跨平台的通信连接,使用Spring调用python进程提供的服务实现预测功能。将本论文的研究成果应用于实际生产中,让管理部门及时了解高速公路交通变化趋势,做好交通诱导和管控工作;出行者可根据预测时间提前规划行车路线,有效避开拥堵路段,节约出行成本,降低车辆能源消耗,减少尾气排放和噪音污染,具有良好的社会效益。
谢良才[5]（2021）在《基于BP神经网络的数据挖掘技术探究及其在煤热转化数据规律分析中的应用》文中进行了进一步梳理近十几年来,随着人们利用信息技术采集和分析数据能力的大幅提升以及人工智能技术的快速发展,极大的推动了数据挖掘技术在各类基础科学研究中的快速兴起,尤其是以人工神经网络智能算法为基础的数据挖掘技术应用更为广泛。鉴于此,本文以非线性映射能力、并行处理能力以及容错性能优异且广泛使用的BP神经网络数据挖掘技术为基础,将数据挖掘的方法和思想引入到煤热转化领域的数据规律挖掘之中,以期在煤质基础数据与其热转化特性之间探寻出有价值的内在规律或关系。本文的研究内容主要包括高性能数据挖掘技术的设计和在煤热转化领域实际应用两个方面的研究工作。首先,本文全面阐述了数据挖掘的基本理论与方法。在了解并分析了多种数据挖掘技术的基础上,重点对基于BP神经网络的数据挖掘技术进行了深入的分析与阐述。进一步的,本文针对BP神经网络算法中存在的收敛速度慢、网络初值随机性、易陷入局部极小等不足,提出了一种多算法优势集成、联合优化的改进型算法（HA-BP）,并在非线性函数仿真中得到了充分论证。此外,本文基于HA-BP算法分别设计了HA-BP-3δ异常数据检测模型、HA-BP-MIV变量因素分析模型,它们的可靠性与实用性同样在非线性函数仿真中得到了充分论证。而后,本文将该数据挖掘技术应用于煤质基础数据（工业分析、元素分析、灰成分分析）对煤燃烧发热量、煤热解特性、煤气化灰流动温度的数据规律挖掘（预测目标）研究中。（1）煤工业分析、元素分析与燃烧发热量之间的数据规律挖掘本节以104组我国不同地域（涵盖了华东、华中、华北、华南以及西北地区）的煤质基础分析数据（工业分析、元素分析）以及发热量（Qnet,ad）数据样本为研究基础。首先,采用HA-BP-3δ模型剔除了6组原始训练数据样本。清洗后的样本（原始数据使用率达到93%）,经HA-BP计算的总数据集的平均绝对误差为0.22 MJ/Kg。在此基础上,提取出挖掘到的内在关系,使用HA-BP-MIV对变量因素进行了分析,分析结果显示,FCad、Cad、Had、Nad以及Sad与煤的发热量呈正相关性,Mad、Aad与煤的发热量呈负相关性。此外,7个因素对煤发热量的影响大小为:Cad>Aad>FCad>Mad>Nad>Sad>Had;其中,Aad、Cad、FCad对煤发热量的累计影响值达到了总贡献率的90.31%。进一步的,基于三个主要因素计算的平均绝对误差为0.47 MJ/Kg。此外,鉴于部分企业缺乏煤质元素分析的数据,进而难以使用该算法挖掘到的内在关系,为此,本文进一步的使用煤质工业分析的Mad、Aad、FCad作为输入变量,借助HA-BP模型对发热量进行了研究。计算结果发现,仅通过工业分析数据计算的发热量总样本集的平均绝对误差为0.36MJ/Kg。（2）煤热解失重特性与工业分析、元素分析数据之间的数据规律挖掘本节以10组不同产地的煤为研究样本,借助HA-BP模型考察了煤（加氢）热解失重特性曲线与其工业分析、元素分析之间的内在关联。为了实现对煤热解失重特性曲线“线”预测的目标,本文首先基于煤热解失重的典型特征,有针对性的提取了部分数据点。经HA-BP计算后,发现训练样本、检验样本的计算值与实验值数据点的相关性R2分别为0.9966、0.9943。在此基础上,提取出挖掘到的内在关系,使用HA-BP-MIV对变量因素进行了分析,分析结果显示,T、Ad、Vd、Hd、Sd对煤热解失重呈现正相关性;Cd、Nd对煤热解失重呈现负相关性。此外,7个因素对煤热解失重结果的影响大小为T>Vd>Cd>Hd>Nd>Sd>Ad;其中,T、Vd、Cd、Hd这4个因素对煤热解失重的累计影响达到了总贡献率的98.26%。进一步的,我们发现基于4个主要因素预测的精度与7因素下的预测精度几乎相当。最后,基于简化后的4个主要因素成功的预测出了未知煤样的热解失重特性曲线（精度为每隔1 ℃）,且整条失重曲线（200～1100 ℃）的绝对误差不超过2.25%。同样的方式,基于4个主要因素也成功的预测出了未知煤样的加氢热解失重特性曲线。（3）气化环境下的煤灰流动温度（FT）与其灰成分之间的数据规律挖掘本节以321组不同类型的煤灰组成以及FT数据样本作为研究基础。首先,采用HA-BP-3δ模型剔除了27组原始训练数据样本。清洗后的样本（原始数据使用率达到92%）,经HA-BP计算的总数据集的平均绝对误差为25 ℃。在此基础上,借助HA-BP-MIV算法分析了各个化学组成对FT的影响。分析结果显示,SiO2、Al2O3、TiO2与FT之间表现出正相关性;CaO、Fe2O3、MgO、K2O+Na2O与FT之间表现出负相关性。此外,7个因素对FT的影响大小为:Al2O3>SiO2>CaO>Fe2O3>K2O+Na2O>TiO2>MgO,进一步的,基于变量因素的分析结果选取了3类典型的煤灰样本,在模拟高温、气化的环境下进行了结渣机理分析,并总结了不同煤灰的结晶特征。基于此,本文将煤灰分为酸性灰、中性灰、碱性灰三个类型,其中酸性灰的FT绝大多数都高于1400 ℃。而后,借助HA-BP-MIV分别对中性灰、碱性灰进行了关键特征参量的分析,并发现探寻到的关键特征参量与FT之间存在着显着的线性相关性。最后,通过实际测试值对基于关键特征参量提出的关系式进行了验证,并取得了良好的效果。这为调控FT助剂类型的选择、添加量的确定以及不同煤种的配煤和配煤比例提供了更为直接、有效的指导。本节提出的单因素、易调控的FT计算模型如下:1:酸性灰,A/B≧6.72,FT>1400℃;2:中性灰,0.96≦A/B<6.72,FT=136x1+1143.9;3:碱性灰,A/B<0.96,FT=116.81x2+1122.3.经本文的研究发现,煤质基础数据与其发热量、热解特性、FT之间确实存在着紧密的内在联系,通过数据挖掘的思想和方法,不仅实现了对煤热转化数据的异常数据诊断以及高效预测,而且实现了基础数据样本的有效增值,更为煤热转化过程中的数理分析、影响因素分析甚至后续的研究主攻方向等提供了新的研究方法和思路。
安璐路（Lulu Ann）[6]（2021）在《基于灰色-马尔科夫链的电力负荷预测方法研究》文中研究指明电力作为重要的能源产业,对社会前进和国民经济发展起着至关重要的作用。随着国家的发展、人民生活水平的提升,对电能需求与日俱增,供电稳定性与电能质量随之面临更大挑战。为了满足电力市场发展需要,电能规划贴近供求关系,本文以中长期电力负荷预测为研究对象,重点探索负荷预测方法。由于电力负荷预测受政策、市场经济、气象、自然灾害等多种多样的确定的和不确定的因素影响,因此本文以灰色理论为依据,通过对历史负荷数据自身变化规律的深入研究,分析探索负荷数据之间的内在联系和发展变化规律,搭建精确且适用性高的负荷预测模型。首先,本文研究分析了单一预测模型的适用对象。传统灰色预测模型GM（1,1）仅适合于预测以指数趋势单调变化的数据序列,灰色Verhulst模型仅适用与“S”型发展趋势的数据。由于各种因素的影响,数据曲线往往波动大且变化趋势复杂,用单一模型预测产生的误差过大。所以,针对单一模型不适用于抖动数据序列这一问题,本文提出了灰色组合预测模型,以提取GM（1,1）和灰色Verhulst模型的优点。将熵权法应用于组合模型中,以拟合值的离异程度确定组合权系数,搭建组合模型,提高模型的适应性和可靠性。之后,由于众多负荷影响因素的随机性,引入随机理论中的Markov链,修正个别奇异的数据,更进一步得到精度更高的负荷预测值。最后,对灰色组合预测模型进行稳定性分析。由于原始负荷数据很大,在灰色模型的系数求解过程中,涉及矩阵求逆时,会出现条件数过大,导致方程组病态。基于此,本文通过调整计量单位法,将病态矩阵转化为良性矩阵,同时给出最小一乘法避开矩阵求逆过程,提高模型稳定性和准确性。本课题的研究可以为中长期电力负荷预测提供有效方法,为不同的数据序列提供最适合的预测模型,为发电提供依据。
马光红[7]（2021）在《传统幂模型的幂指数改进与非齐次幂模型的求解方法研究》文中研究表明灰色预测模型是灰色系统理论的主要组成部分,普遍的应用于日常生活中。灰色预测模型主要研究生活中数据少、信息量少等一系列问题。对于灰色幂模型存在的问题,本文从幂指数计算新方法及灰作用量项这两个不同角度出发,对幂模型进行探究,以达到提高建模精度的目的,主要的探究内容见下:1、改进幂指数的计算方法（1）针对传统GM（1,1）幂模型的幂指数问题,本文主要从幂模型的时间响应式出发,经过处理得到幂指数的具体计算式,减少背景值对幂指数带来的影响,并使计算式更简洁。（2）在幂指数已知情形下,针对幂模型中其余参数求解问题,本文首先通过数据变换将传统幂模型的白化微分方程转化为熟悉而简单的GM（1,1）模型的白化微分方程,接着对新的白化微分方程求积分得到背景值,则幂模型的参数求解问题就被转换为GM（1,1）模型的参数求解问题。最后对新模型中的参数进行求解,并通过实例建立相关模型,验证本文模型的实用性与可行性。2、改进灰作用量项（1）针对灰色模型的适用范围问题,本文基于非齐次GM（1,1）模型及非齐次的Verhulst模型,对传统幂模型的白化微分方程中的灰作用量项改进得到非齐次GM（1,1）幂模型,并求解参数。最后通过实例建立模型,验证模型的实用性。（2）为进一步提高建模精度,本文在适用范围更广的非齐次GM（1,1）幂模型的基础上在白化方程不参与的情形下对模型离散化处理,并根据离散模型推导出以任意一项为初始值的时间响应式,然后对时间响应式处理,得到离散模型在不同条件下的通项公式;并在平均相对误差最小的目标函数下,借助Matlab及Lingo等软件对所有参数同时优化;最后通过实例建立不同的模型,对比模拟预测精度,验证本文模型的可行性与优越性。
颜善青,赵一平[8]（2020）在《基于灰色决策的奥运田径男子200米区域竞技实力研究》文中提出项目竞技实力与奖牌的数量和类型息息相关;通过历届奥运田径男子200米项目的奖牌分布了解到,美欧两大洲是该项目的主要夺牌地区,随着历史发展,有过均衡化趋势.运用灰色发展决策对区域奖牌数量进行估计,发现美洲在该项目具有持续统治力,主要体现在美国和牙买加,欧洲则可能退出公众视野;使用灰靶决策对奖牌的分布类型进行预测,结果表明:日后牙买加将"克制"美国成为新的洲内霸主,乃至世界霸主.灰色决策与GM（1,1）模型之间存在建模步骤、条件和结果上的差异,比较发现,灰色决策对于解决区域竞技实力分布问题,更加行之有效.这对国内田径男子200米项目的发展和灰色决策模型的应用具有参考意义.
奚芸华[9]（2020）在《风电异常运行数据识别及其应用研究》文中指出近年来,中国风电产业快速发展并在能源结构调整中扮演重要角色。随着风电运行数据的不断积累及数据资产的日益重要,数据驱动的风电智能运行与控制技术获得越来越多的关注。然而,由于传感器故障、通信丢包、记录缺失及外界干扰等难以避免的原因,风电运行数据中存在一定数量的异常值。此外,由于中国弃风限电的频发,造成限功率数据大量出现。在建立表征风机或风电场最大出力特性的风速-功率曲线时,这些限功率数据成为堆积型异常数据,大大影响数据挖掘或建模的可信度。因此,如何优化识别异常值以尽可能的保留有效值、提高数据质量,成为数据驱动类应用的关键。本文以风电数据采集与监视控制系统中的数据为基础,对风机/风电场异常运行数据识别、风功率曲线确定性和不确定性建模及其性能评价进行了深入研究。主要的研究工作包括以下三个方面:围绕风电数据采集与监视控制系统,从数据采集、传输、存储的各个环节,分析异常运行数据产生的原因。然后,基于实测数据,分析风机、风电场的风速-功率散点图分布特点,探究不同位置数据块的内在形成原因,初步确定正常数据、异常数据的分布特征。以风机出力特性为研究对象,首先针对不同类型异常数据识别,提出基于桨距角动作特性、基于Copula空间双向四分位法的异常运行数据识别算法。根据清洗后风机功率数据缺失特点,采用基于核极限学习机加权的双向Markov插值进行大量连续缺失数据填补。然后,基于预处理后数据,研究风机的风功率曲线回归建模以及不确定性建模方法以及评价指标体系。最后,基于实测数据验证所提方法的有效性。以风电场整体出力为研究对象,首先充分考虑自然风向的自发随机聚集特性,提出基于Markov聚类算法的风向扇区划分方法。然后,对应于所划分的不同风向扇区,提出基于K-medoids聚类、流形距离谱聚类的分步聚类算法实现风电场堆积型异常数据的有效识别。基于处理后数据,采用随机抽样一致性算法抽取建模数据,利用相关向量机算法建立风电场风功率曲线的定值回归及不确定性区间模型,制定模型性能评价体系及更新机制,提高风电场出力特性精细化表征能力。最后,基于实际数据进行仿真验证,证实整个过程的合理性和优越性。
张铁志[10]（2019）在《基于架构理论的水泥稳定材料设计及性能预测》文中提出水泥稳定材料是典型的道路基层材料,按系统论观点和《混凝土结构设计规范》强度等级的规定,其应该属于弱混凝土。长期以来,国内外的研究应用都将水泥稳定材料作为一种独立的水泥基材料,研究思想具有一定的局限性。由于可用水泥稳定的原材料比较广泛,混合料组成方式多样,因此通常的设计方法均以试验为主,但水泥稳定材料配合比设计,试验工作量较大,周期长,也深受人为因素和环境因素影响,配合比设计的准确性以及试验结果的代表性、可比性有待提高,水泥稳定材料的宏观物理力学表现与其微观影响因素及设计改进措施需要深入探讨,在科学研究和工程实践中对常用的水泥稳定材料力学指标的预测需要补充和完善。基于以上问题,本研究按照系统论观点,将水泥稳定材料看做是水泥基材料的子系统,按照水泥混凝土架构理论研究水泥稳定材料,将水泥稳定材料的强度看作是由粗集料、细集料水泥浆（细浆）及中间过渡层共同构成,考虑水泥稳定材料结构层中的微观孔隙是引起力学破坏的重要因素,引入超细粉填充模型（DSP）,将原细浆结构扩展为超细粉填充细浆结构;为使种类多元化的水泥稳定材料的力学性能具有可比性,兼顾水泥稳定材料单一影响因素之间的耦合作用,建立了以标准水泥稳定材料、细浆比的偏离、架浆比为主要概念的DSP填充密实骨架物理模型,提出了以水泥剂量、架浆比、细浆比的偏离为基本参数的力学性能数学模型。借鉴沙庆林院士提出的水泥稳定材料粗集料中断级配设计理念,对CBG-20、CBG-16、CBG-13、CBG-10的级配组成计算参数进行了修正,通过对水泥混凝土配合比数据和水泥稳定材料实验数据的统计分析,以及对水泥混凝土的水灰比与水泥稳定材料的最佳含水量的关系换算,得到了水泥稳定材料最佳含水量的试配计算公式,通过干捣实粗集料孔隙率填充法和水泥结碎石孔隙填充法,得到了水泥稳定材料的剩余孔隙,进而得到了理论上超细粉（硅灰）的掺加量,并给出了实际应用超细粉为水泥质量的10%的推荐值,最终形成了架构理论下以试配为主的水泥稳定材料设计方法。为对比标准超细粉填充密实骨架水泥稳定材料与少掺超细粉、不掺超细粉三种水泥稳定材料的微观结构对宏观力学性能的影响,首先进行了无侧限抗压强度试验对比,然后又采用SEM扫描电镜观察了三种样品放大2000倍、5000倍、20000倍的形貌,发现外掺硅灰的混合材料的微观结构最为致密;通过干缩、温缩试验对比,发现掺硅灰的水泥稳定材料的收缩性能优于不掺硅灰的水泥稳定材料;通过数值模拟对掺加超细粉和不掺超细粉的典型路面结构的剪应力、位移与接触力进行了计算,得出掺加超细粉的路面基层结构在受力和变形等方面明显优于不掺超细粉的路面结构。为保证力学试验研究的准确性和高效性,研制了全自动制件、脱模、测强一体化试验机,并给出了精度和工作效率,也为实际工程的试验检测提供了可靠保障;继而对五种类型的超细粉填充密实骨架水泥稳定材料进行了分形研究,发现大于4.75mm以上的部分其分形维数与无侧限抗压强度有明显的线性关系;为明确水泥剂量、架浆比及细浆比的偏离与无侧限抗压强度的关联程度,以试验为基础,采用灰色关联分析法,得到三个主要参数的主次关系为水泥剂量>架浆比>细浆比的偏离;为确定架构理论数学模型的基本参数,通过试验对五种型号水泥稳定材料的抗压强度、劈裂强度、抗压回弹模量与主要影响因素的关系进行了回归,分别得到了不同型号的水泥稳定材料的数学模型;最后以DSP填充水泥稳定建筑废砖、水泥稳定铸造废砂与铁尾矿砂为例,通过试验验证了架构理论设计方法和力学预测模型的正确性,为扩展的架构理论和方法推广到实际应用中奠定了基础。
二、灰三数据建模理论及其应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、灰三数据建模理论及其应用（论文提纲范文）
（2）基于大数据的大学生日常思想政治教育创新研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 绪论 大数据让大学生日常思想政治教育智能化 |
| 第一节 选题缘由及研究意义 |
| 一、选题缘由 |
| 二、研究意义 |
| 第二节 国内外研究综述 |
| 一、国内研究现状 |
| 二、国外大数据与教育交叉研究综述 |
| 三、研究评析 |
| 第三节 逻辑结构 |
| 一、研究思路 |
| 二、研究方法 |
| 三、内容框架 |
| 第四节 重点、难点及预期创新点 |
| 一、研究重点 |
| 二、研究难点 |
| 三、研究创新点 |
| 第一章 基于大数据创新大学生日常思想政治教育的理论基础 |
| 第一节 核心概念解读 |
| 一、大数据 |
| 二、大学生日常思想政治教育 |
| 三、大学生日常思想政治教育大数据 |
| 第二节 大学生日常思想政治教育大数据之马克思主义哲学审视 |
| 一、感性对象性活动之数据生成逻辑 |
| 二、实践的社会历史性之数据发展动因 |
| 三、辩证唯物主义认识论之数据应用的方法论基础 |
| 四、人的全面自由发展之数据应用的价值取向 |
| 第三节 大学生日常思想政治教育大数据自组织系统阐释 |
| 一、大学生日常思想政治教育之复杂自组织系统特征 |
| 二、大学生日常思想政治教育大数据之数据转化 |
| 三、大学生日常思想政治教育大数据之数据转换 |
| 四、大学生日常思想政治教育之数据工作机制 |
| 第二章 基于大数据创新大学生日常思想政治教育的现实依据 |
| 第一节 大学生日常思想政治教育存在的现实困境 |
| 一、基于大数据文本挖掘方法的大学生日常思想政治教育现实困境分析 |
| 二、大学生日常思想政治教育者访谈 |
| 三、大学生日常思想政治教育存在的问题及原因剖析 |
| 第二节 新时代大学生日常思想政治教育新要求 |
| 一、新时代大学生日常思想政治教育面临的新课题 |
| 二、新时代大学生日常思想政治教育指导思想与原则 |
| 三、新时代大学生日常思想政治教育教育内容体系 |
| 四、新时代大学生日常思想政治教育的主体转型 |
| 第三节 基于大数据创新大学生日常思想政治教育技术优势 |
| 一、大数据关键技术之大学生日常思想政治教育应用 |
| 二、教育主体与教育客体的数据交互 |
| 三、教育管理平台载体的数据智能 |
| 四、教育管理实践数据的跨域应用 |
| 第四节 基于大数据创新大学生日常思想政治教育可能性分析 |
| 一、基于数据技术的效率提升 |
| 二、基于证据的日常教育管理 |
| 三、基于数据评价的工作改进 |
| 第三章 基于大数据促进大学生日常思想政治教育发展转向 |
| 第一节 大学生日常思想政治教育大数据应用呈现 |
| 一、精准画像:大数据精确反映学生行为状态 |
| 二、规律探寻:大数据有效呈现学生活动规律 |
| 三、超前感知:大数据准确研判学生活动趋向 |
| 第二节 基于大数据之由线性思维向系统思维转变 |
| 一、线性思维 |
| 二、系统思维 |
| 三、线性思维向系统思维转变的全面性与准确性 |
| 第三节 基于大数据之由普适教育向个性化培育转变 |
| 一、普适教育 |
| 二、个性化培育 |
| 三、普适教育向个性化培育转变的适应性与有效性 |
| 第四节 基于大数据之由认知培育向实践养成转变 |
| 一、认知培育 |
| 二、实践养成 |
| 三、认知培育向实践养成转变的实效性与长效性 |
| 第五节 基于大数据之由需求侧适应向供给侧发力转变 |
| 一、需求侧适应 |
| 二、供给侧发力 |
| 三、需求侧适应向供给侧发力转变的精准性与有效性 |
| 第四章 基于大数据创新大学生日常思想政治教育的实施路径 |
| 第一节 基于大数据创新大学生日常思想政治教育的原则 |
| 一、以人为本原则 |
| 二、守正创新原则 |
| 三、趋利避害原则 |
| 四、循序渐进原则 |
| 五、理论与实践相结合原则 |
| 第二节 大学生日常思想政治教育大数据资源库建设与运行 |
| 一、大学生日常思想政治教育大数据采集 |
| 二、大学生日常思想政治教育大数据预处理与存储 |
| 三、大学生日常思想政治教育大数据挖掘与建模分析 |
| 四、大学生日常思想政治教育大数据可视化与应用 |
| 五、大学生日常思想政治教育大数据解释与反馈 |
| 第三节 利用大数据推进大学生日常思想政治教育实践应用 |
| 一、数据画像 |
| 二、精准资助 |
| 三、异常告警 |
| 第五章 基于大数据创新大学生日常思想政治教育的条件保障 |
| 第一节 个体主观条件 |
| 一、培育大数据意识与大数据思维 |
| 二、掌握大数据知识与大数据技能 |
| 三、提升大数据伦理与管理理性 |
| 四、把握大数据应用的价值导向 |
| 第二节 技术条件保障 |
| 一、开发和搭建高校思想政治教育大数据技术平台 |
| 二、培育大学生思想政治教育大数据核心技术团队 |
| 第三节 组织与制度保障 |
| 一、加强组织领导 |
| 二、推进教育政策实施与制度建设 |
| 三、加强体制机制建设 |
| 第四节 文化环境保障 |
| 一、优化校园网络环境 |
| 二、培育校园数据文化 |
| 三、优化校园人文环境 |
| 结语:数据智能与教育智慧结合 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间主要研究成果 |
（3）基于人机工程学的下肢助力外骨骼造型设计研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的研究背景 |
| 1.2 研究的目的和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 研究内容及技术路线 |
| 第2章 人机工程学及相关理论研究 |
| 2.1 人机工程学理论分析 |
| 2.1.1 人机工程学定义 |
| 2.1.2 人机工程学研究内容 |
| 2.1.3 人机工程学设计原则 |
| 2.1.4 人机工程学中的产品设计要素 |
| 2.2 人机工程学相关理论研究 |
| 2.2.1 人体测量学 |
| 2.2.2 人体解剖学 |
| 2.2.3 人体下肢生物力学分析 |
| 2.3 基于人机工程学的下肢助力外骨骼设计原则 |
| 2.4 本章小结 |
| 第3章 下肢助力外骨骼人机工程分析 |
| 3.1 下肢助力外骨骼工作原理 |
| 3.2 下肢助力外骨骼结构组成与驱动器选择 |
| 3.2.1 下肢助力外骨骼结构组成 |
| 3.2.2 外骨骼驱动器选择 |
| 3.3 下肢助力外骨骼结构尺寸设计 |
| 3.4 下肢助力外骨骼功能尺寸设计 |
| 3.5 影响绑缚约束穿戴舒适性因素 |
| 3.5.1 肌肉活动对绑缚位置影响 |
| 3.5.2 绑缚材料选择 |
| 3.5.3 接触曲面分析 |
| 3.6 本章小结 |
| 第4章 下肢助力外骨骼计算机辅助人机分析 |
| 4.1 计算机辅助人机工程分析发展 |
| 4.2 基于CATIA的人机工程分析 |
| 4.2.1 人体模型构建 |
| 4.2.2 人体步行姿态分析 |
| 4.2.3 人体下肢所受地面反力生物力学分析 |
| 4.3 本章小结 |
| 第5章 下肢助力外骨骼设计实践 |
| 5.1 下肢助力外骨骼需求调研 |
| 5.1.1 现有外骨骼造型分析 |
| 5.1.2 外骨骼市场分析 |
| 5.1.3 目标人群分析 |
| 5.2 下肢助力外骨骼造型设计分析 |
| 5.2.1 外骨骼造型设计要素分析 |
| 5.2.2 外骨骼造型设计流程 |
| 5.3 下肢助力外骨骼设计定位 |
| 5.4 下肢助力外骨骼造型设计 |
| 5.4.1 外骨骼形态设计 |
| 5.4.2 外骨骼材质选用 |
| 5.4.3 外骨骼配色设计 |
| 5.5 下肢助力外骨骼的人机分析 |
| 5.6 最终定案 |
| 5.7 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
| 附录 A 下肢助力外骨骼造型偏好调查问卷 |
| 附录 B 下肢外骨骼形态意向调查结果 |
| 作者简介 |
| 攻读硕士学位期间研究成果 |
（4）基于广西高速公路收费数据的行程时间预测及其应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 研究目的与意义 |
| 1.4 研究内容与章节安排 |
| 1.4.1 研究内容 |
| 1.4.2 章节安排 |
| 第二章 高速公路联网收费数据的采集与处理 |
| 2.1 数据来源与数据结构 |
| 2.2 研究对象 |
| 2.3 数据预处理 |
| 2.4 收费数据预处理实例 |
| 2.5 本章小结 |
| 第三章 高速公路行程时间预测 |
| 3.1 行程时间预测方法选择 |
| 3.2 构建特征向量 |
| 3.2.1 特征选择 |
| 3.2.2 特征处理 |
| 3.2.3 特征确定 |
| 3.3 基于BP神经网络的行程时间预测 |
| 3.3.1 BP神经网络概述 |
| 3.3.2 基于BP神经网络的行程时间预测模型构建 |
| 3.3.3 BP神经网络模型预测流程 |
| 3.4 基于随机森林的行程时间预测 |
| 3.4.1 随机森林概述 |
| 3.4.2 基于随机森林的行程时间预测模型构建 |
| 3.4.3 随机森林模型预测流程 |
| 3.5 预测模型实例分析与对比 |
| 3.5.1 交通数据准备 |
| 3.5.2 实验设计主要过程 |
| 3.5.3 实验结果分析与对比 |
| 3.6 本章小结 |
| 第四章 行程时间预测子模块设计与实现 |
| 4.1 行程时间预测子模块框架 |
| 4.1.1 子模块需求分析 |
| 4.1.2 子模块总体框架 |
| 4.2 行程时间子模块设计 |
| 4.3 行程时间子模块实现 |
| 4.4 行程时间预测模块界面 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 不足之处与研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文情况 |
（5）基于BP神经网络的数据挖掘技术探究及其在煤热转化数据规律分析中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 常见的煤热转化方式 |
| 1.3 国内、外数据挖掘的研究及应用现状 |
| 1.4 数据挖掘的由来 |
| 1.5 数据挖掘的任务及基本过程 |
| 1.5.1 数据挖掘的任务 |
| 1.5.2 数据挖掘的基本过程 |
| 1.6 常用的数据挖掘的方法 |
| 1.7 人工神经网络 |
| 1.7.1 主要的人工神经网络模型 |
| 1.8 本文的组织框架及研究内容 |
| 第二章 BP神经网络的算法理论及其算法优化探究 |
| 2.1 BP神经网络概述 |
| 2.2 BP神经网络的运行机制 |
| 2.2.1 BP神经网络的理论推理过程 |
| 2.3 BP神经网络的优缺点 |
| 2.3.1 BP神经网络的优点 |
| 2.3.2 BP神经网络的缺点 |
| 2.4 BP神经网络算法的优化分析 |
| 2.4.1 自身算法的直接改进 |
| 2.4.2 与其它智能算法的联用 |
| 2.4.3 多算法优势集成的设计与实现(HA-BP) |
| 2.5 BP神经网络算法优化的检验 |
| 2.5.1 建模与分析 |
| 2.5.2 BP神经网络的计算效果分析 |
| 2.5.3 A-BP神经网络的计算效果分析 |
| 2.5.4 GA-BP神经网络的计算效果分析 |
| 2.5.5 PSO-BP神经网络的计算效果分析 |
| 2.5.6 HA-BP神经网络的计算效果分析 |
| 2.5.7 各模型计算效果对比 |
| 2.6 本章小结 |
| 第三章 异常数据检测(剔除)及变量因素分析(选择) |
| 3.1 异常数据检测(剔除) |
| 3.1.1 异常数据检测方法 |
| 3.1.2 非线性函数仿真验证 |
| 3.1.3 检测效果分析 |
| 3.2 变量因素的分析与选择 |
| 3.2.1 特征参量的选取方法 |
| 3.2.2 HA-BP-MIV算法的实现过程 |
| 3.2.3 HA-BP-MIV算法的仿真验证 |
| 3.3 本章小结 |
| 第四章 煤燃烧发热量的预测探究 |
| 4.1 引言 |
| 4.2 样本情况 |
| 4.3 基于工业分析、元素分析数据预测发热量的建模与探究 |
| 4.3.1 发热量计算的建模与分析 |
| 4.3.2 发热量的预测以及异常数据检测 |
| 4.3.3 影响发热量的变量因素分析 |
| 4.3.4 主要因素提取与计算效果分析 |
| 4.4 基于工业分析数据计算发热量的探究 |
| 4.5 本章小结 |
| 第五章 煤(加氢)热解失重特性曲线的预测探究 |
| 5.1 引言 |
| 5.2 煤样情况 |
| 5.3 基于工业分析、元素分析的煤热解失重特性预测模型 |
| 5.3.1 热解失重实验 |
| 5.3.2 特征数据点的选择与模型建立 |
| 5.3.3 变量分析与筛选 |
| 5.3.4 主要因素的计算效果分析 |
| 5.3.5 热解失重曲线的预测 |
| 5.4 基于工业分析、元素分析的煤加氢热解失重特性预测模型 |
| 5.4.1 加氢热解失重实验 |
| 5.4.2 特征数据点的选择与模型建立 |
| 5.4.3 变量分析与筛选 |
| 5.4.4 主要因素的计算效果分析 |
| 5.4.5 加氢热解失重曲线的预测 |
| 5.5 本章小结 |
| 第六章 煤灰流动温度(FT)的预测探究 |
| 6.1 引言 |
| 6.2 样本情况 |
| 6.3 基于煤灰组成数据预测FT的建模与探究 |
| 6.3.1 预测FT的建模与分析 |
| 6.3.2 FT的预测以及异常数据检测 |
| 6.3.3 影响FT的变量因素分析 |
| 6.3.4 主要因素提取与计算效果分析 |
| 6.4 典型灰样的结渣机理探究及结渣晶相的特征总结 |
| 6.4.1 典型灰样的基础数据测试 |
| 6.4.2 AFTs的测试与分析 |
| 6.4.3 典型灰样的XRD分析 |
| 6.4.4 混合样的灰渣XRD分析 |
| 6.4.5 反应机理的热力学分析 |
| 6.4.6 灰渣样的SEM-EDS分析 |
| 6.4.7 灰样的相图分析 |
| 6.4.8 新生成的矿物对共混灰FT的影响 |
| 6.5 煤灰的分类预测研究 |
| 6.5.1 结渣晶相的特征总结与煤灰的分类 |
| 6.5.2 影响FT的关键因素探究 |
| 6.5.3 “关键特征参量”对FT的影响与关系式的提出 |
| 6.5.4 关系式的验证 |
| 6.6 本章小结 |
| 第七章 结论与展望 |
| 7.1 总结 |
| 7.2 特色与创新 |
| 7.3 展望 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
| 致谢 |
（6）基于灰色-马尔科夫链的电力负荷预测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究动态及发展趋势 |
| 1.3 电力负荷预测 |
| 1.3.1 内容和分类 |
| 1.3.2 主要特点 |
| 1.3.3 影响因素 |
| 1.4 本文的主要贡献与创新 |
| 1.5 本论文的结构安排 |
| 第二章 基于灰色系统理论的电力负荷预测 |
| 2.1 灰色理论基本概念 |
| 2.1.1 灰色序列生成 |
| 2.1.2 预测误差评价标准 |
| 2.2 灰色GM(1,1)模型 |
| 2.3 灰色Verhulst模型 |
| 2.4 实验结果与分析 |
| 2.5 本章小结 |
| 第三章 电力负荷组合预测方法 |
| 3.1 组合预测方法 |
| 3.2 熵权法组合预测模型 |
| 3.2.1 熵权法基本概念 |
| 3.2.2 熵权法组合模型建模过程 |
| 3.2.3 实验结果与分析 |
| 3.3 马尔科夫修正 |
| 3.3.1 马尔科夫链 |
| 3.3.2 马氏检验 |
| 3.3.3 马尔科夫模型建模过程 |
| 3.3.4 实验结果与分析 |
| 3.4 本章小结 |
| 第四章 模型稳定性分析 |
| 4.1 病态方程组的产生 |
| 4.2 病态分析与处理 |
| 4.2.1 病态分析 |
| 4.2.2 调整计量单位法 |
| 4.2.3 实验结果与分析 |
| 4.3 全最小一乘准则参数辨识 |
| 4.3.1 最小一乘准则 |
| 4.3.2 实验结果与分析 |
| 4.4 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（7）传统幂模型的幂指数改进与非齐次幂模型的求解方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 前言 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要内容 |
| 第2章 灰色幂模型的理论基础 |
| 2.1 传统GM(1,1)幂模型 |
| 2.2 传统GM(1,1)幂模型的参数求解 |
| 2.2.1 幂指数α的估计 |
| 2.2.2 参数a,b的求解 |
| 第3章 幂指数计算新方法及其余参数计算方法研究 |
| 3.1 幂指数计算新方法 |
| 3.2 新GM(1,1)模型的构建及参数求解 |
| 3.2.1 GM(1,1)幂模型向GM(1,1)模型的转化 |
| 3.2.2 优化背景值 |
| 3.2.3 新GM(1,1)模型中参数m,p求解 |
| 3.4 建模步骤 |
| 3.5 实例分析 |
| 3.6 本章小结 |
| 第4章 非齐次幂模型及其应用 |
| 4.1 非齐次GM(1,1)幂模型的构建 |
| 4.1.1 非齐次GM(1,1)幂模型的构建 |
| 4.1.2 非齐次幂模型的性质研究 |
| 4.2 非齐次幂模型的参数计算 |
| 4.3 实例分析 |
| 4.4 本章小结 |
| 第5章 非齐次幂模型的离散模型求解新方法 |
| 5.1 非齐次幂模型GM(1,1)的导出离散模型 |
| 5.1.1 非齐次GM(1,1)幂模型的导出离散模型的构建 |
| 5.1.2 非齐次幂模型离散模型的求解 |
| 5.1.3 非齐次幂模型离散模型的性质研究 |
| 5.2 非齐次幂模型离散模型的参数优化 |
| 5.3 建模步骤 |
| 5.4 实例分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间的科研情况 |
（8）基于灰色决策的奥运田径男子200米区域竞技实力研究（论文提纲范文）
| 0前言 |
| 1 研究对象和方法 |
| 1.1 研究对象 |
| 1.2 研究方法 |
| 1.2.1 灰色决策法 |
| 1.2.2 比较分析法 |
| 2 结果与分析 |
| 2.1 历届奥运田径男子200米项目奖牌归属地分析 |
| 2.1.1 历届奥运田径男子200米奖牌洲际分布 |
| 2.1.2 历届奥运田径男子200米奖牌国家分布 |
| 2.2 以灰色决策法预测奥运田径男子200米的区域奖牌分布 |
| 2.2.1 灰色发展决策法预测奥运田径男子200米区域奖牌数量 |
| 2.2.2 灰靶决策法预测奥运田径男子200米区域奖牌类型 |
| 2.3 灰色决策和GM(1,1）模型应用于此类问题的差异性分析 |
| 2.3.1 建模步骤上的差异 |
| 2.3.2 建模条件上的差异 |
| 2.3.3 结果上的差异 |
| 3 结论 |
（9）风电异常运行数据识别及其应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 风电异常运行数据识别研究 |
| 1.2.2 风电缺失数据填补技术 |
| 1.2.3 风功率曲线建模技术 |
| 1.2.4 风功率曲线不确定性建模研究 |
| 1.3 论文主要研究内容 |
| 第2章 风电异常运行数据的来源与分布特征 |
| 2.1 引言 |
| 2.2 风电SCADA系统简介 |
| 2.3 风电异常运行数据产生的原因 |
| 2.4 风电异常运行数据的分布特征 |
| 2.5 本章小结 |
| 第3章 风电机组的异常运行数据识别及其应用 |
| 3.1 引言 |
| 3.2 风电机组异常运行数据识别与剔除 |
| 3.2.1 基于机组运行机理的异常数据初步识别 |
| 3.2.2 基于桨距角动作的堆积型数据识别 |
| 3.2.3 基于Copula空间的优化双向四分位法 |
| 3.3 风电机组缺失数据填补 |
| 3.3.1 Markov理论概述 |
| 3.3.2 核极限学习机算法概述 |
| 3.3.3 基于KELM的双向Markov插值 |
| 3.4 WTPC的回归建模及其不确定性研究 |
| 3.4.1 WTPC的回归建模 |
| 3.4.2 基于回归误差的WTPC不确定性建模 |
| 3.5 仿真验证 |
| 3.5.1 风电机组异常运行数据识别 |
| 3.5.2 风电机组缺失数据填补 |
| 3.5.3 WTPC回归建模及其不确定性建模 |
| 3.6 本章小结 |
| 第4章 风电场的异常运行数据识别及其应用 |
| 4.1 引言 |
| 4.2 基于Markov聚类的风电场风向扇区划分 |
| 4.2.1 风向对风电场输出功率的影响 |
| 4.2.2 Markov聚类算法 |
| 4.2.3 基于风向数据的Markov聚类 |
| 4.2.4 聚类性能优化及其验证 |
| 4.3 基于两步聚类的风电场异常运行数据识别 |
| 4.3.1 K-medoids聚类 |
| 4.3.2 基于流形距离的谱聚类 |
| 4.4 WFPC的定值-区间联合建模 |
| 4.4.1 基于RANSAC算法的建模样本数据获取 |
| 4.4.2 基于RVM的WFPC定值-区间联合建模 |
| 4.4.3 模型性能评价 |
| 4.4.4 模型更新机制 |
| 4.5 仿真验证 |
| 4.5.1 风电场风向扇区划分 |
| 4.5.2 风电场异常数据识别 |
| 4.5.3 WFPC的定值-区间联合建模 |
| 4.6 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 后续工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表论文及其他成果 |
| 致谢 |
（10）基于架构理论的水泥稳定材料设计及性能预测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 1 绪论 |
| 1.1 问题的提出及意义 |
| 1.1.1 理论意义 |
| 1.1.2 实践意义 |
| 1.2 国内外相关工作研究进展 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 研究内容及研究方案 |
| 1.3.1 研究内容 |
| 1.3.2 研究方案与技术路线 |
| 2 水泥稳定材料的架构理论研究 |
| 2.1 水泥混凝土架构理论的发展历史 |
| 2.2 水泥混凝土的DSP模型 |
| 2.3 水泥稳定材料的架构理论模型 |
| 2.3.1 水泥稳定材料的架构物理模型 |
| 2.3.2 水泥稳定材料的架构数学模型 |
| 2.4 本章小结 |
| 3 架构理论下水泥稳定材料设计方法 |
| 3.1 现行水泥稳定材料设计方法 |
| 3.2 架构理论下水泥稳定材料设计方法 |
| 3.2.1 集料级配组成设计 |
| 3.2.2 水泥用量与最佳含水量的确定 |
| 3.2.3 DSP超细粉(硅灰)的确定 |
| 3.3 DSP填充密实骨架水泥稳定材料的强度对比分析 |
| 3.4 DSP填充密实骨架水泥稳定材料的收缩性能对比分析 |
| 3.4.1 干缩性能对比分析 |
| 3.4.2 温缩性能对比分析 |
| 3.5 DSP填充密实骨架水泥稳定材料的微观对比分析 |
| 3.6 DSP填充密实骨架水泥稳定材料的数值模拟对比分析 |
| 3.6.1 模拟方案的确定 |
| 3.6.2 各结构层材料性能 |
| 3.6.3 参数标定 |
| 3.6.4 静荷载加载 |
| 3.6.5 各结构层力学响应 |
| 3.6.6 应力时程分析 |
| 3.6.7 结构层变形响应分析 |
| 3.7 DSP填充密实骨架水泥稳定材料的综合评价 |
| 3.8 本章小结 |
| 4 力学试验用自动化设备的研制 |
| 4.1 研制背景 |
| 4.2 设计模块 |
| 4.2.1 设计原则与组成 |
| 4.2.2 框架系统设计 |
| 4.2.3 反力架系统设计 |
| 4.2.4 动力系统设计 |
| 4.2.5 机构功能转换系统设计 |
| 4.2.6 电器控制及微机通讯系统设计 |
| 4.3 零部件及安装 |
| 4.4 功效测试 |
| 4.5 本章小结 |
| 5 基于架构理论的水泥稳定材料力学性能预测 |
| 5.1 水泥稳定材料性能的影响因素 |
| 5.2 DSP填充密实骨架水泥稳定材料的分形维数 |
| 5.3 无侧限抗压强度与主要影响因素的灰色关联分析 |
| 5.4 水泥稳定材料力学性能预测 |
| 5.4.1 CBG-20水泥稳定材料力学性能预测 |
| 5.4.2 CBG-25水泥稳定材料力学性能预测 |
| 5.4.3 CBG-16水泥稳定材料力学性能预测 |
| 5.4.4 CBG-13水泥稳定材料力学性能预测 |
| 5.4.5 CBG-10水泥稳定材料力学性能预侧 |
| 5.4.6 预测模型内在规律分析 |
| 5.5 最佳含水量偏差与强度的关系 |
| 5.6 本章小结 |
| 6 架构理论设计方法在水泥稳定材料中的应用研究 |
| 6.1 架构理论与设计方法在水泥稳定建筑废砖中的应用 |
| 6.1.1 研究应用的背景和意义 |
| 6.1.2 材料准备 |
| 6.1.3 现行传统法配合比设计 |
| 6.1.4 DSP填充密实骨架配合比设计 |
| 6.2 架构理论设计方法在水泥稳定铸造废砂与铁尾矿的应用 |
| 6.2.1 概述 |
| 6.2.2 现行传统配合比设计方法 |
| 6.2.3 DSP填充密实骨架配合比设计 |
| 6.3 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果发表论文 |
| 致谢 |
| 作者简介 |
四、灰三数据建模理论及其应用（论文参考文献）
- [1]基于优化GM-LSSVM组合模型的埋地管道腐蚀失效预测研究[D]. 黄仁惠. 西安建筑科技大学, 2021
- [2]基于大数据的大学生日常思想政治教育创新研究[D]. 邓晶艳. 贵州师范大学, 2021(09)
- [3]基于人机工程学的下肢助力外骨骼造型设计研究[D]. 张跃阳. 长春工业大学, 2021(08)
- [4]基于广西高速公路收费数据的行程时间预测及其应用[D]. 兰良. 广西大学, 2021(12)
- [5]基于BP神经网络的数据挖掘技术探究及其在煤热转化数据规律分析中的应用[D]. 谢良才. 西北大学, 2021(12)
- [6]基于灰色-马尔科夫链的电力负荷预测方法研究[D]. 安璐路（Lulu Ann）. 电子科技大学, 2021(01)
- [7]传统幂模型的幂指数改进与非齐次幂模型的求解方法研究[D]. 马光红. 西华师范大学, 2021(12)
- [8]基于灰色决策的奥运田径男子200米区域竞技实力研究[J]. 颜善青,赵一平. 青海师范大学学报(自然科学版), 2020(02)
- [9]风电异常运行数据识别及其应用研究[D]. 奚芸华. 华北电力大学(北京), 2020(06)
- [10]基于架构理论的水泥稳定材料设计及性能预测[D]. 张铁志. 大连理工大学, 2019(06)