声明
摘要
1．1．1课题研究背景
1．1．2课题研究意义
1．2国内外研究现状
1．2．1基于机理建模
1．2．2基于数据驱动建模
1．2．3深度学习模型训练算法
1．3主要研究内容
1．3．1研究内容
1．3．2研究愚摩
1．4本文的主要内容及结构
2．1引言
2．2数据集介绍
2．3数据顶处理
2．3．1工业数据误差
2．3．2数据标准化
2．3．3数据样本平衡
2．4特征选择与构建
2．4．1 Pearson相关度判别法
2．4．2基于树模型的特征选择
2．4．3特征构建
2．5欠拟合与过拟合
2．5．1欠拟合模型
2．5．2过拟合模型
2．6本章小结
3．1引言
3．2数据预处理与评估指标
3．3基于SVM覆冰检测模型
3．3．1基本模型推导
3．3．2实验结果验证
3．4基于Random Forest覆冰检测模型
3．4．1基本模型推导
3．4．2实验结果说明
3．5基于Xgboost覆冰检测模型
3．5．1基本模型推导
3．5．2实验结果说明
3．6本章小结
第四章基于机理模型的Multi-layer IndRNN覆冰检测模型
4．1引言
4．2基于结冰机理的物理分析模型
4．2．1 Makkonen物体表面覆冰机理模型
4．2．2 Rahimi风能综合利用率机理模型
4．3深度学习中的时间序列模型
4．3．1循环神经网络RNN
4．3．2长短时记忆网络LSTM
4．3．3 LSTM中的隐含层结构
4．3．4 RNN与LSTM模型的优缺点
4．4基于机理模型的多层独立循环神经网络Multi-layer IndRNN
4．4．1独立循环神经网络IndRNN
4．4．2建模流程及参数设置
4．4．3实验结果分析与说明
4．5本章小结
第五章基于Self-Attention的Bi-IndRNN检测模型
5．1引言
5．2 Attention机制与Self Attention Network
5．2．1 Attention机制
5．2．2自注意力机制网络
5．3双向时序神经网络Bi-LSTM和Bi-IndRNN
5．4基于Self Attention的Bi-IndRNN模型
5．4．2 SAN-Bi-IndRNN与Bi-IndRNN结果分析
5．4．3总结与分析
5．5本章小结
6．1研究工作总结
6．2研究展望
参考文献
致谢
攻读硕士学位期间主要的研究成果
浙江大学;
