一、初探概率论方法在其它数学分支中的应用（论文文献综述）
胡锐[1]（2020）在《单幅图像的CNN超分辨率重建方法研究》文中认为图像作为记载信息的载体,在实际生活中占据着十分重要的地位。对于图像来说,分辨率的高低决定着其质量的好坏,分辨率越高,图像质量就越好,所包含的信息也就越多,这对于后续的处理和应用是有利的。在实际图像获取中,由于受到硬件成本、技术发展等多方面因素影响,所得到图像的分辨率有时并不符合实际需求。为了获得更高分辨率的图像,人们开始利用多种方式来解决这一问题,但是通过改善硬件的成本过高,于是将更多目光放在通过的软件方式来实现。卷积神经网络（CNN）有着优秀的特征处理能力,可以有效的学习图像特征信息,这对于图像的超分辨率重建是有利的。在本文中,基于卷积神经网络,设计了双路多尺度残差网络（BMRN）和多尺度交叉融合网络（MSCM）两种方法,实现单幅图像的超分辨率重建。主要的工作如下:BMRN由特征提取、非线性映射和重建三部分结构组成。首先在特征提取中,直接对低分辨率图像进行处理,提取图像中的特征信息;在非线性映射中,构建由多个独立子网络组成的双路多尺度残差网络结构,用于提取高频信息,并引入了残差连接,保证网络的稳定性,双路多尺度结构可以互补卷积中的尺度信息,改善网络中的信息流,提升网络的效率;在最后的重建中,利用亚像素上采样卷积,得到最终重建的高分辨率图像。仿真实验表明,相较于Bicubic、SRCNN和VDSR等重建方法,BMRN方法在主观和客观评价指标上有着明显的优势,重建图像的边缘特征以及锐化效果最佳。MSCM是对BMRN方法的改进,同样由三部分结构组成。在特征提取中,利用多种尺度的卷积来处理输入的低分辨率图像;非线性映射部分由级联的五个交叉合并模块组成,每个模块由级联的三个残差双分支合并而成,以此促进不同分支中的信息集成,在模块中还使用了残差连接和密集连接,维持了网络的稳定,避免出现梯度消失现象;在重建部分中,采用改进的亚像素上采样模块来实现,通过结合外部残差和全局残差来弥补特征细节的损失。仿真实验表明,与BMRN方法相比较,MSCM方法的重建效果更好,主观和客观评价指标数值均达到最优。图[42]表[8]参[91]
马卫[2]（2020）在《仿生群智能优化算法及在点云配准中的应用研究》文中研究指明仿生群智能优化算法是一种模拟自然界中生物行为的目标优化策略,在工程优化问题中有一定的应用。研究更加高效的仿生群智能优化策略并将其应用于解决复杂的三维点云配准问题具有理想的发展前景。本文侧重于改进的布谷鸟搜索算法和人工蜂群算法,利用模式搜索趋化,全局侦察策略和二阶振荡机制等提出了新的改进的群智能优化算法以提高算法的性能,并应用于解决点云配准优化问题。本文的创新性成果主要包括以下几个方面:1)提出了一种基于模式搜索趋化的布谷鸟搜索算法。布谷鸟搜索算法是一种基于莱维飞行搜索策略的新型智能优化算法。然而单一的莱维飞行随机搜索更新策略存在局部开采能力受限和寻优精度不高等缺陷。为了解决这一问题,提出了一种改进的布谷鸟全局优化算法。该算法的主要特点在于以下三个方面:首先,采用全局探测和模式移动交替进行的模式搜索趋化策略,实现了布谷鸟莱维飞行的全局探测与模式搜索的局部优化的有机结合,从而避免盲目搜索,加强算法的局部开采能力;其次,采取自适应竞争机制动态选择最优解数量,实现了迭代过程搜索速度和解的多样性间的有效平衡。最后,采用优势集搜索机制,实现了最优解的有效合作分享,强化了优势经验的学习。该算法应用于数值函数优化问题,结果表明,算法不仅寻优精度和寻优率显着提高,鲁棒性强,且适合于多峰及复杂高维空间全局优化问题。与典型的改进布谷鸟优化算法以及其它群智能优化策略相比,其局部开采性能与寻优精度更具优势,效果更好。点云配准是三维数字处理技术的一个核心问题,而传统的点云配准方法对初始配准位置敏感并易陷入局部最优。利用仿生群智能优化算法可以有效的解决该类问题。采用基于模式搜索趋化的布谷鸟搜索来解决点云配准优化问题,在整个配准过程中先采用点云简化与特征点提取,然后利用改进的布谷鸟搜索全局优化方法进行目标函数的优化,获得点云变换矩阵的全局最优参数,再通过精配准获得最终的点云配准效果。通过不同的模型数据对算法的性能测试,结果表明,首次提出的基于改进布谷鸟全局优化算法的点云配准,在点云配准优化问题中,较好地解决传统的迭代最近点配准算法对点云初始位置严重依赖的问题,有很好地抑制早熟的能力,提高了全局寻优能力,同时求解精度也相比于传统的迭代最近点配准算法大幅提高。在点云配准中有很好的鲁棒能力,具有较好的应用价值。2)提出了一种基于全局侦察搜索的人工蜂群算法。人工蜂群算法是近年来提出的模拟蜂群觅食行为的群智能优化算法。由于算法中侦察蜂逃逸行为的不足,使得该算法存在全局搜索性能不足、早熟收敛,易于陷入局部最优等问题。根据对最新的侦察蜂行为的研究成果表明,侦察蜂具有快速飞行、全局侦察并指导其他蜂群觅食的行为特征。算法利用蜂群觅食过程先由侦察蜂进行全局快速侦察蜜源并和其他蜂群相互协作的特征,提出了一种模拟自然界中侦察蜂全局快速侦察搜索改进的蜂群优化算法。首先,该算法由侦察蜂根据新的侦察搜索策略在所分配的子空间内进行大视域全局快速侦察,可以有效避免算法的早熟收敛,防止陷入局部最优。其次,侦察蜂群利用全局侦察的启发信息指导其他蜂群觅食搜索,两者相互协作共同实现算法的寻优性能,提高求解精度。最后,算法还引入预测与选择机制改进引领蜂和跟随蜂的搜索策略,进一步加强算法邻域局部搜索的性能。算法应用于数值函数优化问题,结果表明,与典型改进的人工蜂群算法和其他群智能优化改进算法相比,算法的全局搜索性能增强,能有效地避免早熟收敛,寻优精度显着提高,并能适用于高维空间的优化问题。3)提出了一种基于二阶振荡扰动的人工蜂群算法。人工蜂群算法是利用蜂群的角色分配,协同工作的机理形成的一套搜索策略。但是,在搜索后期,局部开采逐渐枯竭,全局侦察逃逸能力不足。算法在搜索后期,存在种群多样性不足,过快早熟收敛,常常表现为搜索能力强和开采能力弱,其实质是全局探索和局部开采能力的不平衡。为了解决这一问题,结合人工蜂群算法易与其他技术混合的优势,算法在雇佣蜂群觅食过程中,引入二阶振荡扰动策略,提出了一种基于异步变化学习的二阶振荡机制人工蜂群算法。首先,通过引入二阶振荡搜索机制有效地抑制过快早熟,增强局部搜索能力。其次,算法在搜索过程中利用扰动策略在迭代初期加强全局探测,增加空间搜索的多样性;最后,通过异步变化学习机制,算法在后期搜索过程中增强局部开采性能,从而加强求解精度。算法应用于数值函数优化问题,针对典型测试函数的实验结果表明,该算法能有效实现人工蜂群算法在全局探索和局部开采能力两者间的平衡,克服搜索性能不足,增加搜索的多样性,寻优率显着提高。与其他提出的典型策略相比,算法具有较强的竞争优势。将异步变化学习的二阶振荡人工蜂群算法应用于三维点云配准问题。提出了一种基于改进的人工蜂群算法点云配准方法,通过对输入点云的均匀采样,并基于领域半径约束的固有形状特征点提取进一步简化点云,然后通过改进的人工蜂群算法完成对点云较好的初始配准,得到空间变换矩阵参数。最后通过k-d tree近邻搜索法加速对应点查找,以提高点云迭代最近点配准算法精细配准的效率。通过对不同初始位置的点云库模型和场景数据进行配准实验,验证结果表明该算法相比于传统的配准方法,抗噪性好,配准精度高,鲁棒性强。
魏骁[3]（2020）在《基于混合不确定性建模的船舶不确定性优化设计》文中进行了进一步梳理现阶段大多数船舶优化设计为确定性优化设计。然而,在实际设计过程中,船舶方案会受到许多不确定性因素的影响,这些因素可能导致船舶方案失效或者船舶性能达不到预定设计目标。因此,船舶总体设计需要在设计初期就充分考虑各类不确定性因素的影响,从而保证后续优化设计得到的结果能够适应相关参数的波动。目前,船舶不确定性优化设计方法还不够成熟。首先,设计者对不确定性因素的特性缺乏深入分析,将所有不确定性因素归结为随机不确定性,采用概率法进行处理,并没有根据不确定性因素的特性进行初步的分类;其次,对于随机不确定性下的不确定量化、分析和传递,大部分设计者仍使用传统耗时的蒙特卡洛方法,这对于需要大量模拟仿真计算和不确定性分析的船舶不确定性优化设计而言,是不现实的;除此之外,目前的船舶不确定性优化设计研究几乎都集中在随机不确定性优化上,忽略了由于设计者的知识不足、缺乏数据和信息不完全导致的认知不确定性的建模及后续优化等,有其局限性。同时,目前的船舶不确定性优化通常采用单源不确定性分析传递方法,没有考虑随机认知不确定性并存下的组合量化,因此,在采用不同方法对随机认知不确定性建模后,如何将两种不同形式的不确定性在统一框架下进行不确定性分析是一大难点。综上,在船舶不确定性优化设计中,传统的不确定性方法远远无法满足设计者目前的设计需求,迫切需要能处理该优化问题的新理论、新方法。本文针对上述问题,完成了以下研究工作:1.不确定性因素分类方法研究将参数估计和拟合优度方法结合,根据已经收集的变量数据,对随机和认知两类不确定性因素进行分析,完成不确定性因素的分类,并将不确定量划分为三类,即强统计变量、稀疏变量和区间变量。2.多源随机不确定性影响下的不确定性分析传递方法研究在随机不确定性的影响下,采用多维多项式混沌展开法（Polynomial Chaos Expansion,PCE）代替传统的蒙特卡洛模拟法进行不确定性分析传递。在此基础上,针对多项式混沌展开法在随机不确定性传递和分析中存在的问题:1)求解PCE法的多项式系数时传统大样本的统计回归方法计算量较高;2)多维不确定因素共存时,导致不确定分析效率低;3)PCE法无法直接得到约束失效概率。通过解决上述问题,提出一种高效的基于多项式混沌展开法的随机不确定分析传递方法。3.认知不确定性影响下的不确定性建模完成不确定性分类后,对稀疏变量采用赤池信息准则识别混合分布类型并给出相应的权重;区间变量采用证据理论进行建模,由焦元及其对应的基本可信度（Basic Probability Assignment,BPA）进行表达,完成了认知不确定性的建模。4.随机和认知不确定性并存下的统一不确定性分析传递方法研究在随机和认知不确定性的共同影响下,首先基于证据理论方法,推导了混合不确定性下的稳健性和可靠性表达,提出了一种混合不确定性统一分析传递方法。然而,该方法存在计算效率低的难题,为此又提出了基于任意多项式混沌展开法的混合不确定性统一分析传递方法,最终完成随机和认知混合影响下的不确定性分析传递。5.不确定性优化方法在船型优化中的应用在上述研究的基础上,将不确定性优化设计方法应用于典型船型的波浪均阻优化中,高效地获得稳健、可靠的最优方案。
袁国强[4]（2020）在《可信性社交网络信息传播问题研究》文中研究表明信息传播是社交网络用户进行交流与学习的主要方式。在整个社交网络中,如何处理信息数据中的不确定性因素,并寻找一条时间最短且流量最大的信息传播路径对于一个决策者来说非常重要。因此,基于新的理论分析方法有效刻画社交网络中的不确定性因素,并在一定的约束条件下合理研究信息传播问题逐渐成为社交网络分析领域的一个研究热点。本文提出可信性社交网络分析方法,并用于处理社交网络中的信息传播问题。一方面,在可信性图的基础上,给出度中心性、紧密度中心性和δ-介数中心性三种中心性分析方法。另一方面,借助带有可信性分布的模糊变量刻画信息传播时间和流量,并基于期望值、风险值、条件风险值和期望绝对半偏差方法建立几类新的可信性社交网络信息传播模型。具体而言,根据决策者选取的目标准则和信息传播影响因素的不同,构建的四类模型为:带有可信性约束的信息传播期望值模型、可信性社交网络信息传播风险值模型、可信性社交网络信息传播条件风险值模型和可信性社交网络信息传播期望绝对半偏差模型。同时,针对不同模型的特点将可转化模型转化为等价线性规划模型;不能转化模型利用含有逼近方法、神经网络和遗传算法的混合智能算法进行求解。最后,给出可信性社交网络问题的数值算例验证提出的可信性优化模型和求解方法的可行性和有效性。本文的创新点主要有以下几个方面:（1）提出可信性图与网络概念及度中心性、紧密度中心性和δ-介数中心性三种新的中心性分析指标。（2）针对社交网络信息传播过程中的时间和流量建立两种新的带有可信性约束的信息传播期望值模型并进行了等价转化。（3）利用风险值、条件风险值和期望绝对半偏差风险评价方法分别建立几种新的带有可信性约束的社交网络信息传播风险模型并进行了等价转化。
陈静锋[5]（2019）在《基于电子病历的典型诊疗模式挖掘方法研究》文中认为随着医疗信息系统中数据量的急剧增长,医疗数据密集型科学与精准医学研究的不断深入,利用数据挖掘技术从电子病历数据库中发现潜在的有价值的诊疗信息和知识越来越受到关注。然而,在电子病历数据挖掘的背景下,患者表示、相似性度量、聚类算法与聚类结果的抽取是疾病诊断模式与治疗模式挖掘任务中最为基础和关键的工作,其质量的好坏直接影响到挖掘结果的评估与推荐。患者表示的目的是针对临床数据的多样性、时序性与动态性特点,从电子病历数据中提取有效的特征,提高数据挖掘任务的效率。相似性度量是针对患者表示,定量化分析特征间的距离,快速有效地度量患者的相似性,提高聚类效果的准确性。聚类与聚类结果的抽取是在相似性度量的基础上,将患者自动划分为不同的簇,并定义簇的核心区域,抽取最具代表性的诊断与治疗结果,称为典型模式,与传统采用簇的代表点或聚类中心相比,典型模式更能体现临床数据的复杂性特点,增强挖掘结果的可解释性。因此,本文从电子病历数据本身出发,一方面针对患者入院信息,研究典型诊断模式挖掘方法,另一方面针对患者医嘱信息,研究典型用药序列、典型用药时间与融合多视角信息的典型治疗模式挖掘方法,促进临床诊疗业务流程的标准化。本文的主要研究工作如下:（1）基于患者入院信息的典型诊断模式挖掘方法。为了解决现有疾病诊断模式挖掘研究中未考虑疾病编码间语义关系、患者症状信息表达能力不足等问题,提出了一种结合相似性度量、无监督聚类与有监督分类思想的典型诊断模式挖掘方法。该方法通过考虑疾病编码间语义关系,构建疾病编码本体结构,采用编码信息量度量、编码间相似性度量与编码集间相似性度量方法三个层次度量患者诊断信息相似性,并运用聚类算法抽取典型疾病共现模式,讨论了疾病间的主次关系及在本体结构中的位置。以患者人口统计学、症状与实验室检查等多类型入院信息为属性集,典型疾病共现模式为类别集,运用两种决策树分类算法,多角度挖掘典型诊断模式。基于真实患者电子病历数据的实验结果表明,本文提出的方法能够抽取高稳定性的疾病共现关系与高准确度的疾病诊断规则,为临床诊断方案库的构建提供了一种数据驱动的研究思路。（2）基于患者医嘱信息的典型用药序列挖掘方法。为了解决当前医嘱时序模式挖掘研究中挖掘结果频繁复杂与可解释性差等问题,考虑医嘱时序性问题中药物的重复性、时间不一致性与联合性等特征,提出了典型用药序列挖掘方法。该方法利用过程挖掘思想与马尔科夫链理论将患者治疗记录表示为药物集合序列,设计了一种新的相似性度量方法,理论证明该方法满足距离度量的非负性、对称性与三角不等式性。采用聚类算法抽取稳定数量的典型用药序列,并从治疗效果与治疗效率两个视角评估抽取的结果。基于真实患者电子病历数据的实验结果表明,本文设计的相似性度量方法在聚类效果上优于现有的研究方法,从药物名称与药物功效视角抽取的多层次典型用药序列既能为新入院患者根据其入院病情推荐有效的时序性治疗方案,也为辅助构建与完善现有的临床路径提供参考。（3）基于医嘱信息的典型用药时间挖掘方法。为了从大量患者治疗记录中发现潜在的核心药物及其使用时间规律,考虑医嘱持续性问题中药物的开始用药时间、用药间隔与结束用药时间特征,提出了典型用药时间挖掘方法。该方法借鉴描述样本数据分布形状特征的统计量思想定义药物使用时间分布特征与患者治疗记录,并设计相似性度量方法。采用聚类算法抽取典型药物及其有效使用时间,并使用患者入院信息与治疗结局信息对抽取的结果进行评估与疾病编码标注。基于真实患者电子病历数据的实验结果表明,本文方法能够抽取最具代表性的典型用药时间模式,经评估证明治疗结果有效的典型用药时间模式有助于患者治疗过程中用药时间的预测与推荐。（4）基于医嘱多视角信息融合的典型治疗模式挖掘方法。为了得到可解释性强、涵盖信息量全并且满足合理用药要求的治疗方案,在当前医嘱单视角研究基础上,提出了多视角信息融合的典型治疗模式挖掘方法。该方法针对医嘱的药物名称、药物功效、给药途径、每次剂量、每日频次、起始-终止时间六类属性,分析了医嘱信息的内容性、时序性与持续性差异,分别设计患者治疗记录表示方法与相似性度量方法。多视角相似度网络融合方法能够在尽可能减少信息损失的情况下集成三个视角的相似度,形成一个统一的患者相似度网络,并采用谱聚类算法抽取典型治疗模式。基于真实患者电子病历数据的实验结果表明,本文提出的多视角相似性度量方法在聚类效果上优于单视角、线性组合与现有的研究方法,从医嘱的三个视角抽取的核心药物、给药途径、每日剂量、用药次数与用药时间等信息,有助于促进合理用药“五个正确”目标的实现,即正确的药物、正确的剂量、正确的给药时间、正确的给药途径、给予正确的患者。本研究在理论方面,针对电子病历数据的多样性、时序性、动态性等诸多特性,提出了涉及电子病历数据预处理、患者表示、相似性度量,聚类算法,聚类结果的抽取与评估的典型诊疗模式挖掘方法。在应用方面,将提出的方法应用于电子病历数据中,可以挖掘最具代表性的疾病诊疗方案,辅助制定标准化的临床诊疗业务流程。
蔺帅帅[6]（2019）在《高新信息技术驱动下的微电网风险管控模型研究》文中提出随着绿色可持续性发展理念的不断深化,化石能源的不断消耗以及给环境带来的污染,使得分布式能源的研究越来越得到人们的重视。微电网以新能源发电为能量来源,能够大大减小对环境的污染。与化石能源发电相比,微电网发电具有低成本、低污染、易操作、高灵活性等特点,这些特点的存在促使了微电网得以快速发展。虽然微电网具有众多优点,但是,由于新能源波动随机性、人为因素、信息技术发展水平的影响等因素的存在,使得微电网的发展面临着很多风险。大数据、云计算、物联网以及人工智能等颠覆性创新技术已经在电力系统中得到了广泛的应用,然而,在微电网中的应用目前相对欠缺。所以,本文以微电网为研究对象,以高新信息技术为技术驱动,对微电网中的关键风险因素进行了定量分析,具体的研究内容如下:（1）归纳了风险管控相关理论、微电网定义、关键技术以及应用到的高新信息技术。首先,总结了风险管控相关理论,归纳了美国、欧盟以及国家电网公司电力科学研究院等权威单位对微电网的定义,得出了微电网基本结构示意图,同时,为了更好的掌握微电网,对分布式发电技术、储能技术、保护技术、运行和控制技术及电力电子技术等微电网中的关键技术进行了总结;其次,为了研究高新信息技术在微电网中的应用,对目前流行的信息技术,如大数据技术、人工智能技术、物联网技术等进行概念性分析,并对这些技术在微电网中的应用做了概括说明。（2）建立了微电网风险识别模型。首先,通过文献研究、专家调查、头脑风暴等方法从微电网发电侧、配电侧、需求侧及人为因素等四个方面对微电网中涉及到的风险因素进行了归纳;其次,为了明晰微电网各风险因素的重要性及扰动性关系,文中采用基于D数理论和DEMATEL法的微电网风险因素识别方法对所有因素进行了研究;最后,通过该方法将所有因素分为了原因因素和结果因素两类,并对所有因素的重要性进行了排序。（3）梳理微电网发电侧风险因素,构建了风力发电和光伏发电功率预测模型。首先,对发电侧的风险因素进行梳理,明确本文研究对象;其次,以大数据和人工智能等高新信息技术为技术支撑,建立了基于数据挖掘技术和改进SVM算法的风力发电功率预测算法和基于深层神经网络的光伏发电功率预测算法;之后,将构建的算法与其他算法做了对比分析,证明了大数据和人工智能算法的有效性;最后,提出了发电侧风险管控措施。（4）梳理微电网配电侧风险因素,分析了微电网调度风险和电力设备状态检修风险。首先,对配电侧的所有风险因素进行梳理,以中心度大小为依据,选取本文的研究对象为微电网调度风险和电力设备状态检修风险;之后,以大数据融合技术、云计算技术和人工智能多智能体系统、进化算法和模糊逻辑理论等高新信息技术为驱动,构建了基于多智能体系统和改进粒子群算法的微电网调度风险管控模型与基于云计算技术的电力设备状态检修策略制定模型;然后,进行了算法对比分析,证明了所建模型的有效性;最后,针对分析结果提出了风险管控建议。（5）梳理微电网需求侧风险因素,提出了微电网电力用户用电安全风险分析模型和基于物联网的微电网电力用户供用电安全监测预警平台。首先,根据重要性对风险因素进行了排序,明确了本文重点研究对象;其次,以人工智能和物联网技术为基础,构建了基于粗糙集和CS-SVM的微电网电力用户供用电安全分析方法和基于物联网的微电网电力用户用电安全监测预警平台架构和功能分析;最后,针对分析结果,制定了微电网需求侧风险管控措施。
王跃山[7]（2019）在《基于STAMP的高速公路隧道机电系统安全评估研究》文中研究表明随着我国经济的发展和人民生活品质需求的提升,高速公路里程在不断增加,隧道建设日益增多,高速公路隧道机电设备需求量与日俱增,这也同时造成机电系统养护的工作量增加,维护难度加大。机电系统工作异常可能给隧道安全行车造成不利影响,甚至引起隧道交通事故,产生重大财产损失和恶劣社会影响。因此,对公路隧道机电系统进行科学准确的安全评估是十分必要的。通过安全评估,可以及时了解隧道机电系统的运行状况,提前安排设备维护,有利于预防隧道交通事故的发生。本文以隧道机电系统安全评估为目标,分析文献资料并结合实际机电安全评估工程案例,构建隧道机电系统控制结构图。首先引入完好率、成新率和稳定率对隧道机电设备、分项工程和分部工程进行安全缺陷评价。通过多变量组合的方式规范各类安全缺陷描述,并自动识别不安全约束。利用评价矩阵和专家经验打分法计算缺陷权重,为隧道机电系统安全评估提供理论支持。在其基础上采用STAMP安全分析法识别出隧道机电系统运行期存在的安全缺陷,引入一阶线性时态逻辑对识别出的安全缺陷进行规范化描述,给出了安全约束的形式化描述。其次,应用概率论方法建立设备可靠性评价模型和分项工程有效度模型,解决STAMP安全分析方法缺乏有效分级手段的问题,并利用XSTAMPP2.0软件检测工具对安全约束规范化描述进行模型验证。最后以杭州湾大桥南接线隧道安全评估工程为例,对所建立的基于STAMP的公路隧道机电系统评估方法进行了实例计算分析和计算机仿真。结果表明基于STAMP的公路隧道机电系统安全评估方法科学、合理,具备操作性。
侯振兴[8]（2019）在《基于响应面法的结构可靠度计算方法研究》文中提出机械产品或系统的可靠性是其指在一定时间内、在一定条件下无故障地执行指定功能的可能性,涉及概率论、数理统计、模糊数学等知识,在航空航天、桥梁、建筑、工程机械等领域均有广泛应用。随着可靠性基础理论的发展,衍生出了很多有效的可靠性分析方法,其中响应面法是学者们在解决非线性问题时提出的一种简单高效的可靠性分析方法,特别地在解决隐式极限状态函数问题时显得尤为突出。响应面法根据一系列合理的样本点,运用有效的迭代策略,采用多项式函数近似替代真实的隐式极限状态函数,保证可靠度最大程度收敛于真实概率值。随着国内外对可靠性进行持续深入的研究,可靠度的精度与计算效率不断提高,同时,响应面法在模糊可靠性分析与优化设计中也发挥了越来越重要的作用。分析了加权线性响应面法权重形式的特点,构造了一种更合理的权数形式,同时将均匀试验设计法应用于加权线性响应面法中,提出了一种改进的加权线性响应面法。通过算例,验证了改进线性响应面法的可行性。针对变量集合间存在多重相关性的问题,分析了偏最小二乘法在进行多元回归时的优势。利用拟线性模型将二次多项式响应面法线性化,以此求解结构失效概率。同时结合高斯核函数能用较少参数实现非线性变换的特点,提出了一种基于高斯核函数的偏最小二乘非线性响应面法。通过算例,验证了所提出的非线性响应面法的有效性。将核偏最小二乘响应面法应用于结构模糊可靠性问题,利用分段响应面法思想求解极限状态函数的广义失效概率。分析了圆柱螺旋弹簧载荷状态下的受力以及应力分布情况,同时进行了模糊可靠性多目标优化设计。
远巧针[9]（2019）在《高等数学解题中概率论方法的应用研究》文中研究表明作为数学一个分支,概率论在数学解题中应用,可以有效指导学生思维,帮助学生更好、更准确地解决数学问题。高等数学教学过程中教师应该教会学生运用概率论方法,帮助学生掌握更多解题技巧,提高学生解题能力。本文就以概率论为内容,对其在高等数学解题中的应用进行几点研究。
王伟[10]（2019）在《基于经验小波变换的风电机组传动链故障诊断》文中研究表明风力发电机组一般在环境恶劣的地方服役,受变工况和变载荷的影响,风力发电机组的传动链系统,如主轴轴承、齿轮箱各级齿轮、发电机驱动端和自由端轴承等,极易发生故障,造成机组停机,对风电机组的使用寿命有极大的影响。为了保证机组的安全运行,提高风力发电的经济性和市场竞争力,对风电机组关键设备实施状态监测和故障诊断很有必要。风电机组状态监测系统（简称CMS,Condition Monitoring System）通过对机组传动链部件的振动监测实现故障诊断。在CMS系统获得振动信号之后,需要对其进行处理,但由于风电机组的运行工况复杂,其所测得的振动信号受噪声干扰严重,为了提取出强背景噪声下的弱故障信号,本文研究了传统经验小波变换和基于尺度空间的无参数经验小波变换,并将其用于风电机组齿轮箱测点和轴承测点的振动信号处理,最终成功提取出了齿轮箱和轴承的故障特征信息,验证了该方法的有效性。本文的主要研究内容和结论如下:（1）研究风力发电机组中齿轮箱和轴承的各种失效形式以及其振动信号在时域和频域中的表现形式,分别计算了定轴齿轮箱、行星齿轮箱的齿轮故障特征频率和轴承的四个故障特征频率。（2）研究传统经验小波变换,并用其对齿轮箱试验台振动数据和从某风电机组上获得的实际齿轮箱振动数据进行处理,成功诊断出了部件缺陷,定位了故障部位,验证了经验小波变换在故障诊断方面的有效性。最后,又同EEMD处理振动信号的效果进行对比,成功验证了经验小波变换在处理振动信号方面的优越性。（3）研究一种基于尺度空间的无参数经验小波变换,其共有五种方法,通过其对齿轮箱试验台振动数据和风电机组齿轮箱测点实际振动数据的处理,可以得出结论:基于尺度空间的无参经验小波变换比传统基于局部极大值的经验小波变换更具有白适应性:在基于尺度空间的阈值划分方法中,Empirical law法相较于其它方法更具有优势。（4）研究一种基于马氏距离的特征分量提取方法,该方法能快速的提取出振动信号经基于Empirical law法的经验小波变换处理后所得所有分量中与故障相关的AM分量。用该方法对风电机组传动链上齿轮箱和轴承测点的振动信号进行处理,最终成功从原始振动信号中提取出了包含丰富故障特征信息的模态分量,进而成功诊断出了风电机组中的齿轮和轴承故障。
二、初探概率论方法在其它数学分支中的应用（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、初探概率论方法在其它数学分支中的应用（论文提纲范文）
（1）单幅图像的CNN超分辨率重建方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像超分辨率重建研究现状 |
| 1.2.2 卷积神经网络研究现状 |
| 1.3 图像质量评价标准 |
| 1.3.1 主观评价指标 |
| 1.3.2 客观评价指标 |
| 1.4 研究内容和结构安排 |
| 1.4.1 研究内容 |
| 1.4.2 章节安排 |
| 2 卷积神经网络超分辨率重建的相关理论 |
| 2.1 单幅图像超分辨率重建的理论基础 |
| 2.2 图像超分辨率算法分类 |
| 2.2.1 基于插值的方法 |
| 2.2.2 基于重建的方法 |
| 2.2.3 基于学习的方法 |
| 2.3 卷积神经网络的理论基础 |
| 2.3.1 网络结构 |
| 2.3.2 反向传播算法 |
| 2.3.3 卷积神经网络的特点 |
| 2.4 基于卷积神经网络的图像超分辨率重建 |
| 2.5 本章小结 |
| 3 双路多尺度残差网络的超分辨率重建 |
| 3.1 相关理论 |
| 3.1.1 独立子网络结构 |
| 3.1.2 残差密集连接 |
| 3.1.3 亚像素上采样卷积 |
| 3.2 BMRN算法原理 |
| 3.2.1 特征提取 |
| 3.2.2 非线性映射 |
| 3.2.3 上采样与重建 |
| 3.3 本章小结 |
| 4 多尺度交叉融合网络的超分辨率重建 |
| 4.1 相关理论 |
| 4.1.1 多尺度卷积特征提取 |
| 4.1.2 交叉融合网络 |
| 4.2 MSCM算法原理 |
| 4.2.1 特征提取 |
| 4.2.2 非线性映射 |
| 4.2.3 重建模块 |
| 4.3 本章小结 |
| 5 实验结果与分析 |
| 5.1 BMRN实验结果分析 |
| 5.1.1 数据集的选择 |
| 5.1.2 实验参数设置 |
| 5.1.3 实验结果分析 |
| 5.2 MSCM实验结果分析 |
| 5.2.1 数据集的选择 |
| 5.2.2 实验参数设置 |
| 5.2.3 模型结构分析 |
| 5.2.4 重建结果分析 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
（2）仿生群智能优化算法及在点云配准中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 仿生群智能优化算法研究现状 |
| 1.2.1 布谷鸟搜索算法研究现状 |
| 1.2.2 人工蜂群算法研究现状 |
| 1.3 本文研究思路 |
| 1.3.1 问题的提出 |
| 1.3.2 研究方案 |
| 1.4 本文研究工作 |
| 1.4.1 本文工作 |
| 1.4.2 论文结构 |
| 第二章 仿生群智能优化及点云配准相关研究进展 |
| 2.1 概述 |
| 2.2 局部开采 |
| 2.3 全局勘探 |
| 2.4 均衡搜索 |
| 2.5 点云配准 |
| 2.6 本章小结 |
| 第三章 基于模式搜索的布谷鸟搜索算法 |
| 3.1 引言 |
| 3.2 布谷鸟搜索算法及局限性 |
| 3.2.1 布谷鸟的生物机理 |
| 3.2.2 布谷鸟搜索算法原理 |
| 3.2.3 布谷鸟搜索算法特点 |
| 3.2.4 CS算法求解全局优化问题的局限性 |
| 3.3 PSCS算法的基本策略 |
| 3.3.1 模式搜索趋化策略 |
| 3.3.2 自适应竞争排名构建机制 |
| 3.3.3 合作分享策略 |
| 3.4 计算机数值仿真实验结果与算法比较 |
| 3.4.1 测试函数与评价标准 |
| 3.4.2 PSCS算法参数设置 |
| 3.4.3 PSCS与 CS算法比较 |
| 3.4.4 与改进CS算法以及其他智能优化算法的比较 |
| 3.5 算法复杂性分析与讨论 |
| 3.5.1 复杂性分析 |
| 3.5.2 讨论 |
| 3.6 算法在点云配准上的应用拓展 |
| 3.6.1 点云配准优化模型 |
| 3.6.2 点云简化与特征点提取 |
| 3.6.3 基于模式搜索布谷鸟算法的点云配准优化 |
| 3.6.4 实验结果与算法比较 |
| 3.7 本章小结 |
| 第四章 基于全局侦察搜索的人工蜂群算法 |
| 4.1 引言 |
| 4.2 人工蜂群算法和侦察蜂的生物机理 |
| 4.2.1 蜜蜂的群体采蜜机理 |
| 4.2.2 人工蜂群优化算法原理 |
| 4.2.3 人工蜂群优化算法特点 |
| 4.2.4 侦察蜂全局快速侦察的生物机理 |
| 4.3 全局侦察策略的改进的人工蜂群算法 |
| 4.3.1 相关定义 |
| 4.3.2 侦察蜂的全局侦察机制 |
| 4.3.3 觅食蜂的局部邻域搜索机制 |
| 4.3.4 SABC算法步骤 |
| 4.4 计算机数值仿真实验结果与讨论 |
| 4.4.1 侦察蜂规模系数对收敛的影响 |
| 4.4.2 SABC与 ABC算法的实验对比 |
| 4.4.3 SABC与 PS-ABC算法的实验对比 |
| 4.4.4 算法对维数变化的影响 |
| 4.4.5 与经典的不同算法的实验比较 |
| 4.4.6 计算时间复杂度分析 |
| 4.5 本章小结 |
| 第五章 基于二阶振荡扰动的人工蜂群算法 |
| 5.1 引言 |
| 5.2 基于二阶振荡扰动的人工蜂群算法 |
| 5.2.1 搜索机制 |
| 5.2.2 异步变化学习因子 |
| 5.2.3 基于目标函数值选择寻优 |
| 5.3 数值仿真实验结果与分析 |
| 5.3.1 基准测试函数 |
| 5.3.2 参数设置 |
| 5.3.3 所提算法与其他算法的实验比较 |
| 5.4 二阶振荡扰动策略人工蜂群算法的点云配准优化 |
| 5.4.1 SOABC算法在点云配准中的应用 |
| 5.4.2 实验结果及算法分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 下一步研究方向 |
| 参考文献 |
| 致谢 |
| 附录A 博士期间主持和参与的科研项目 |
| 附录B 博士期间发表论文和专利 |
（3）基于混合不确定性建模的船舶不确定性优化设计（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 不确定性建模的研究现状 |
| 1.2.1 不确定性的分类 |
| 1.2.2 不确定性的建模方法 |
| 1.3 不确定性分析的研究现状 |
| 1.3.1 蒙特卡洛法 |
| 1.3.2 多项式混沌展开法 |
| 1.3.3 可靠性分析法 |
| 1.4 船舶不确定性优化设计研究现状 |
| 1.4.1 不确定优化设计 |
| 1.4.2 不确定性优化设计在船舶领域的研究现状 |
| 1.4.3 主要存在的问题 |
| 1.5 本论文的主要工作 |
| 1.5.1 研究目标 |
| 1.5.2 主要研究内容 |
| 第2章 不确定性的分类 |
| 2.1 不确定性的表达 |
| 2.2 统计推断方法 |
| 2.2.1 参数估计 |
| 2.2.2 假设检验 |
| 2.3 不确定性分类方法 |
| 2.3.1 不确定性分类步骤 |
| 2.3.2 算例 |
| 2.4 本章小结 |
| 第3章 随机不确定性的分析传递 |
| 3.1 多项式混沌展开法 |
| 3.1.1 基本原理 |
| 3.1.2 多项式混沌展开系数求解 |
| 3.2 改进的概率配点法 |
| 3.2.1 概率配点法 |
| 3.2.2 改进的概率配点法 |
| 3.2.3 数值算例 |
| 3.3 基于多项式混沌展开法的全局灵敏度分析 |
| 3.3.1 基本原理 |
| 3.3.2 基于PCE的 Sobol’全局灵敏度指标 |
| 3.3.3 数值算例 |
| 3.4 基于多项式混沌展开法的约束失效概率求解 |
| 3.4.1 最大熵法 |
| 3.4.2 基于PCE法的响应变量原点矩求解 |
| 3.4.3 数值算例 |
| 3.5 散货船概念设计算例 |
| 3.5.1 优化问题描述 |
| 3.5.2 散货船不确定性优化设计流程 |
| 3.5.3 优化问题描述 |
| 3.5.4 优化结果分析 |
| 3.6 标准船型KCS型线优化 |
| 3.6.1 KCS几何模型 |
| 3.6.2 EEDI公式 |
| 3.6.3 优化问题描述 |
| 3.6.4 优化结果及验证 |
| 3.7 本章小结 |
| 第4章 认知不确定性的建模 |
| 4.1 稀疏变量的建模 |
| 4.1.1 待选竞争分布的参数确定 |
| 4.1.2 基于赤池信息准则的权重确定 |
| 4.1.3 混合分布的分布参数估计 |
| 4.1.4 算例 |
| 4.2 区间变量的表达和不确定性度量 |
| 4.2.1 证据理论 |
| 4.2.2 区间变量的不确定度量 |
| 4.2.3 数值算例 |
| 4.3 本章小结 |
| 第5章 混合不确定性的统一分析传递方法 |
| 5.1 基于证据理论的混合不确定性统一分析传递方法 |
| 5.1.1 混合不确定性下可信度和似真度的计算 |
| 5.1.2 混合不确定性下的稳健性和可靠性表达 |
| 5.1.3 基于证据理论的混合不确定性统一分析传递方法的计算流程 |
| 5.1.4 数值算例 |
| 5.2 基于任意多项式混沌展开法的混合不确定性统一分析传递方法 |
| 5.2.1 任意多项式混沌展开法 |
| 5.2.2 Metropolis-Hasting采样 |
| 5.2.3 基于aPC法的混合不确定性统一分析传递方法 |
| 5.2.4 数值算例 |
| 5.3 船舶不确定性优化设计算例 |
| 5.3.1 散货船概念设计算例 |
| 5.3.2 KCS型线优化算例 |
| 5.4 本章小结 |
| 第6章 混合不确定性下的船型不确定性优化设计 |
| 6.1 KCS计算模型 |
| 6.1.1 研究对象 |
| 6.1.2 湍流模型、自由液面和波浪模型 |
| 6.1.3 时间步的选择 |
| 6.1.4 计算域和边界条件 |
| 6.1.5 网格产生 |
| 6.1.6 CFD结果与实验结果对比 |
| 6.2 不确定量的选取 |
| 6.2.1 不确定量数据的获取 |
| 6.2.2 不确定量的建模 |
| 6.3 优化问题描述 |
| 6.3.1 优化目标、设计变量、约束条件和优化算法 |
| 6.3.2 优化流程 |
| 6.4 优化结果分析 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 工作总结 |
| 7.2 展望 |
| 致谢 |
| 攻读博士学位期间的科研工作和论文发表情况 |
| 附录 A |
| 附录 B |
| 参考文献 |
（4）可信性社交网络信息传播问题研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究目的和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的 |
| 1.1.3 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 图论领域的研究述评 |
| 1.2.2 网络优化领域的研究述评 |
| 1.2.3 社交网络信息传播领域的研究述评 |
| 1.3 研究方法与思路 |
| 1.3.1 研究方法 |
| 1.3.2 研究思路 |
| 1.4 本文主要研究内容和章节安排 |
| 1.5 研究的创新点 |
| 第2章 可信性社交网络 |
| 2.1 可信性理论 |
| 2.2 经典图论 |
| 2.3 可信性图 |
| 2.4 可信性社交网络 |
| 2.5 中心性分析 |
| 2.6 本章小结 |
| 第3章 基于期望值准则的可信性社交网络信息传播问题 |
| 3.1 带有可信性约束的信息传播期望值模型 |
| 3.1.1 信息传播期望值模型的建立 |
| 3.1.2 信息传播期望值模型的求解 |
| 3.2 可信性社交网络信息传播期望值问题的数值算例 |
| 3.3 本章小结 |
| 第4章 基于VaR准则的可信性社交网络信息传播问题 |
| 4.1 带有VaR准则的可信性社交网络信息传播模型 |
| 4.2 带有VaR准则的可信性社交网络信息传播模型求解 |
| 4.2.1 可转化模型的求解 |
| 4.2.2 未转化模型的求解 |
| 4.3 可信性社交网络信息传播VaR问题的数值算例 |
| 4.4 本章结论 |
| 第5章 可信性社交网络信息传播CVaR和 EASD问题 |
| 5.1 带有CVaR准则的可信性社交网络信息传播模型 |
| 5.1.1 信息传播流量CVaR风险模型的建立 |
| 5.1.2 信息传播流量CVaR风险模型的求解 |
| 5.1.3 信息传播流量CVaR风险问题的数值算例 |
| 5.2 带有EASD准则的可信性社交网络信息传播模型 |
| 5.2.1 信息传播流量EASD风险模型的建立 |
| 5.2.2 信息传播流量EASD风险模型的求解 |
| 5.2.3 信息传播流量EASD风险问题的数值算例 |
| 5.3 本章结论 |
| 第6章 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的科研成果 |
（5）基于电子病历的典型诊疗模式挖掘方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究问题 |
| 1.1.3 研究意义 |
| 1.2 国内外研究进展 |
| 1.2.1 电子病历数据挖掘研究现状 |
| 1.2.2 疾病诊断模式挖掘方法研究现状 |
| 1.2.3 疾病治疗模式挖掘方法研究现状 |
| 1.2.4 患者表示方法、相似性度量方法与聚类方法研究现状 |
| 1.2.5 已有研究工作中的不足 |
| 1.3 研究内容和结构 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构 |
| 1.3.3 研究思路 |
| 2 基于患者入院信息的典型诊断模式挖掘方法 |
| 2.1 疾病编码标注问题描述及研究框架 |
| 2.2 典型诊断模式挖掘方法 |
| 2.2.1 患者入院信息表示方法 |
| 2.2.2 患者疾病编码本体结构构建方法 |
| 2.2.3 患者疾病诊断信息相似性度量方法 |
| 2.2.4 患者疾病诊断信息聚类算法 |
| 2.2.5 典型疾病共现模式抽取方法 |
| 2.2.6 典型诊断模式抽取方法 |
| 2.3 实验及结果分析 |
| 2.3.1 实验数据集预处理与参数设置 |
| 2.3.2 AP聚类最优簇的数量选择 |
| 2.3.3 典型疾病共现模式抽取 |
| 2.3.4 典型诊断模式抽取 |
| 2.3.5 典型疾病共现模式稳定性分析 |
| 2.4 本章小结 |
| 3 基于患者医嘱信息的典型用药序列挖掘方法 |
| 3.1 医嘱的时序模式挖掘问题描述 |
| 3.2 典型用药序列挖掘方法 |
| 3.2.1 药物集合序列表示方法 |
| 3.2.2 药物集合序列相似性度量方法 |
| 3.2.3 药物集合序列聚类算法 |
| 3.2.4 典型用药序列抽取方法 |
| 3.2.5 典型用药序列评估方法 |
| 3.3 实验及结果分析 |
| 3.3.1 实验数据集描述与参数设置 |
| 3.3.2 相似性度量方法比较 |
| 3.3.3 AP聚类最优簇的数量选择 |
| 3.3.4 典型用药序列抽取 |
| 3.3.5 典型用药序列评估 |
| 3.3.6 实验结果讨论 |
| 3.4 本章小结 |
| 4 基于患者医嘱信息的典型用药时间挖掘方法 |
| 4.1 医嘱的持续模式挖掘问题描述 |
| 4.2 典型用药时间挖掘方法 |
| 4.2.1 用药时间分布特征表示方法 |
| 4.2.2 患者治疗记录相似性度量方法 |
| 4.2.3 患者治疗记录聚类算法 |
| 4.2.4 典型用药时间抽取方法 |
| 4.2.5 典型用药时间评估与疾病编码标注方法 |
| 4.2.6 算法总结 |
| 4.3 实验及结果分析 |
| 4.3.1 实验数据集预处理与参数设置 |
| 4.3.2 AP聚类最优簇的数量选择 |
| 4.3.3 典型用药时间抽取 |
| 4.3.4 典型用药时间评估 |
| 4.3.5 典型用药时间疾病编码标注 |
| 4.3.6 典型用药时间推荐 |
| 4.4 本章小结 |
| 5 基于医嘱多视角信息融合的典型治疗模式挖掘方法 |
| 5.1 医嘱的多视角信息融合挖掘问题描述及研究框架 |
| 5.2 典型治疗模式挖掘方法 |
| 5.2.1 医嘱形式化表示方法 |
| 5.2.2 医嘱单视角相似性度量方法 |
| 5.2.3 医嘱多视角相似度网络融合方法 |
| 5.2.4 患者治疗记录聚类算法 |
| 5.2.5 典型治疗模式抽取与评估方法 |
| 5.3 实验及结果分析 |
| 5.3.1 实验数据集描述与参数设置 |
| 5.3.2 相似性度量方法比较 |
| 5.3.3 谱聚类最优簇的数量选择 |
| 5.3.4 典型治疗模式抽取 |
| 5.3.5 典型治疗模式评估 |
| 5.4 讨论 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（6）高新信息技术驱动下的微电网风险管控模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 国内外研究现状 |
| 1.2.1 微电网风险因素研究现状 |
| 1.2.2 新能源发电预测技术研究现状 |
| 1.2.3 微电网调度优化研究现状 |
| 1.2.4 需求响应研究现状 |
| 1.2.5 高新信息技术在微电网中的应用现状 |
| 1.3 研究内容及思路 |
| 1.4 本文主要创新点 |
| 第2章 微电网风险管控及高新信息技术相关理论 |
| 2.1 风险管控相关理论 |
| 2.2 微电网定义与关键技术 |
| 2.2.1 微电网定义与结构 |
| 2.2.2 微电网关键技术 |
| 2.3 相关高新信息技术概述 |
| 2.3.1 大数据技术 |
| 2.3.2 云计算技术 |
| 2.3.3 人工智能技术 |
| 2.3.4 物联网 |
| 2.4 本章小结 |
| 第3章 高新信息技术驱动下的微电网风险因素识别 |
| 3.1 高新信息技术在微电网风险识别中的应用 |
| 3.2 微电网风险因素辨识 |
| 3.2.1 微电网发电侧风险因素辨识 |
| 3.2.2 微电网配电网侧风险因素辨识 |
| 3.2.3 微电网需求侧风险因素辨识 |
| 3.2.4 人为因素风险因素辨识 |
| 3.3 基于D数理论和DEMATEL法的微电网风险因素识别模型构建 |
| 3.4 微电网风险因素识别结果分析 |
| 3.5 本章小结 |
| 第4章 高新信息技术驱动下的微电网发电侧风险管控 |
| 4.1 微电网发电风险因素分析 |
| 4.2 基于大数据和人工智能方法的风力发电预测模型 |
| 4.2.1 大数据和人工智能方法在风力发电预测中的应用 |
| 4.2.2 基于DM-WT-CS-SVM算法的风力发电预测模型构建 |
| 4.2.3 算例分析 |
| 4.3 基于深度神经网络的光伏发电预测模型 |
| 4.3.1 深度神经网络在光伏发电中的应用 |
| 4.3.2 基于深层神经网络(DNN)的学习算法构建 |
| 4.3.3 仿真验证 |
| 4.4 微电网发电侧风险管控措施 |
| 4.5 本章小结 |
| 第5章 高新信息技术驱动下的微电网配电侧风险管控 |
| 5.1 微电网配电侧风险因素分析 |
| 5.2 基于多智能体和改进粒子群优化的微电网调度风险管控模型 |
| 5.2.1 多智能体技术和粒子群优化算法在微电网调度风险中的应用 |
| 5.2.2 Multi-agent system的构建 |
| 5.2.3 微电网目标函数构建 |
| 5.2.4 基于动态混沌搜索粒子群优化(DCPSO)算法构建 |
| 5.2.5 算例分析 |
| 5.2.6 结论 |
| 5.3 基于云计算和改进D-S证据理论的电力设备状态检修策略制定 |
| 5.3.1 云计算和改进D-S证据理论在电力设备状态检修中的应用 |
| 5.3.2 基于云模型和灰D-S证据理论模型的建立 |
| 5.3.3 算例分析 |
| 5.3.4 结论 |
| 5.4 微电网配电侧风险管控措施 |
| 5.5 本章小结 |
| 第6章 高新信息技术驱动下的微电网需求侧风险管控 |
| 6.1 微电网需求侧风险因素分析 |
| 6.2 基于粗糙集和CS-SVM的微电网电力用户供用电安全分析模型 |
| 6.2.1 粗糙集和CS-SVM在电力用户供用电安全风险分析中的应用 |
| 6.2.2 微电网电力用户用电安全检测指标体系 |
| 6.2.3 基于粗糙集和CS-SVM的电力用户供用电安全自动分析方法 |
| 6.2.4 算例分析 |
| 6.2.5 结论 |
| 6.3 基于物联网的微电网电力用户用电安全监测预警平台构建 |
| 6.3.1 物联网技术 |
| 6.3.2 电力用户用电安全检测与实现 |
| 6.3.3 总体架构 |
| 6.3.4 技术架构 |
| 6.3.5 业务架构 |
| 6.3.6 基于物联网的微电网电力用户供用电安全监测预警平台功能设计 |
| 6.4 微电网需求侧风险管控措施 |
| 6.5 本章小结 |
| 第7章 研究成果和结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（7）基于STAMP的高速公路隧道机电系统安全评估研究（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 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 主要研究内容 |
| 第二章 STAMP的应用原理与分析 |
| 2.1 概述 |
| 2.2 STAMP模型 |
| 2.2.1 STAMP模型的基本要素 |
| 2.2.2 STAMP分析过程 |
| 2.3 基于STAMP模型的安全测试方法 |
| 2.4 本章小结 |
| 第三章 公路隧道机电系统STAMP分析方法改进 |
| 3.1 概述 |
| 3.2 隧道机电系统定量评估 |
| 3.2.1 评估因素的权值确定算法 |
| 3.2.2 样本与母体的估算方法 |
| 3.2.3 可靠性估算方法设计 |
| 3.2.4 设备可靠性及各级系统可靠性评估算法 |
| 3.3 评价模型的设计 |
| 3.3.1 设备可靠性评价模型 |
| 3.3.2 分项、分部工程可靠性评价模型 |
| 3.3.3 整体可靠性评价模型 |
| 3.4 STAMP分析方法 |
| 3.4.1 基于STAMP的控制结构模型 |
| 3.4.2 不安全行为描述规范化 |
| 3.4.3 基于STAMP的危害分析支持工具 |
| 3.5 本章小结 |
| 第四章 案例分析 |
| 4.1 项目背景 |
| 4.2 安全评估过程示例 |
| 4.2.1 设备可靠性评价权值计算过程示例 |
| 4.2.2 分项工程可靠性评价权值计算过程示例 |
| 4.2.3 整体可靠性评价权值计算过程示例 |
| 4.3 隧道机电设备检测抽样 |
| 4.3.1 检测抽样原则 |
| 4.3.2 分项工程可靠性结果 |
| 4.4 STAMP方法的应用 |
| 4.4.1 安全性分析 |
| 4.4.2 案例分析结果 |
| 4.5 STAMP方法的应用分析 |
| 4.5.1 与传统安全分析方法的对比 |
| 4.5.2 优势与不足 |
| 4.6 本章小结 |
| 总结及展望 |
| 参考文献 |
| 致谢 |
（8）基于响应面法的结构可靠度计算方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 可靠性理论研究现状 |
| 1.2.2 响应面法理论研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 可靠性分析基本理论 |
| 2.1 引言 |
| 2.2 可靠性分析基本概念 |
| 2.2.1 结构功能函数 |
| 2.2.2 可靠性指标与灵敏度 |
| 2.3 可靠度计算方法 |
| 2.3.1 近似解析法 |
| 2.3.2 数字模拟法 |
| 2.3.3 函数替代法 |
| 2.4 本章小结 |
| 第3章 改进的加权线性响应面法 |
| 3.1 引言 |
| 3.2 响应面法基本理论 |
| 3.3 加权回归方法 |
| 3.4 基于均匀设计试验的加权线性响应面法 |
| 3.4.1 加权回归的权重构造 |
| 3.4.2 试验样本点选取方法 |
| 3.4.3 基于均匀设计试验的加权线性响应面法计算策略 |
| 3.5 算例分析 |
| 3.6 本章小结 |
| 第4章 基于核偏最小二乘法的非线性响应面法 |
| 4.1 引言 |
| 4.2 偏最小二乘回归法基本理论 |
| 4.2.1 偏最小二乘法概述 |
| 4.2.2 偏最小二乘法原理 |
| 4.3 核偏最小二乘非线性响应面法可靠度计算 |
| 4.3.1 建立拟线性模型 |
| 4.3.2 基于核函数偏最小二乘的响应面法 |
| 4.3.3 核偏最小二乘非线性响应面法可靠度计算策略 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 第5章 模糊可靠性的研究与应用 |
| 5.1 引言 |
| 5.2 模糊可靠性研究与应用概述 |
| 5.3 响应面法在模糊可靠性分析中的应用 |
| 5.3.1 广义可靠度的计算方法 |
| 5.3.2 分段核偏最小二乘非线性响应面法 |
| 5.3.3 算例分析 |
| 5.4 螺旋弹簧多目标模糊优化设计 |
| 5.4.1 受力分析 |
| 5.4.2 应力分析 |
| 5.4.3 模糊可靠性设计数学模型的建立 |
| 5.4.4 模糊约束的隶属函数 |
| 5.4.5 圆柱螺旋弹簧设计与应用 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
（9）高等数学解题中概率论方法的应用研究（论文提纲范文）
| 一、概率论概述 |
| (一) 内涵 |
| (二) 发展 |
| 二、概率论在高数中的运用 |
| (一) 概率思想在高等数学化简问题中的应用 |
| (二) 概率思想在高等数学积分中的应用 |
| (三) 利用概率论解决随机变量数学期望和方差关系 |
| (四) 利用概率论解决二重积分计算问题 |
| (五) 利用概率模型求解高等数学问题 |
| 三、结束语 |
（10）基于经验小波变换的风电机组传动链故障诊断（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 研究现状 |
| 1.2.1 振动监测和故障诊断系统发展现状 |
| 1.2.2 振动信号处理研究现状 |
| 1.3 论文主要研究内容 |
| 第2章 风电机组传动链部件主要故障特征 |
| 2.1 风电机组传动链结构 |
| 2.2 齿轮箱故障 |
| 2.2.1 齿轮箱常见故障形式 |
| 2.2.2 齿轮故障特征频率 |
| 2.3 轴承故障 |
| 2.3.1 滚动轴承故障的主要形式 |
| 2.3.2 滚动轴承故障特征频率 |
| 2.4 本章小结 |
| 第3章 经验小波变换理论及其应用 |
| 3.1 引言 |
| 3.2 EWT理论 |
| 3.2.1 EWT概述 |
| 3.2.2 EWT定义 |
| 3.3 EWT应用 |
| 3.3.1 齿轮箱振动试验台 |
| 3.3.2 风电机组齿轮箱 |
| 3.4 本章小结 |
| 第4章 无参数经验小波变换及其应用 |
| 4.1 引言 |
| 4.2 基于尺度空间的无参数经验小波变换 |
| 4.2.1 Mean法 |
| 4.2.2 K-means聚类法 |
| 4.2.3 概率论方法 |
| 4.2.4 Otsu法(大津算法) |
| 4.2.5 Empirical law法 |
| 4.3 无参数经验小波变换的应用 |
| 4.3.1 齿轮箱振动试验台 |
| 4.3.2 风电机组齿轮箱 |
| 4.4 本章小结 |
| 第5章 基于特征指标和无参数经验小波变换的风电机组传动链故障诊断 |
| 5.1 概述 |
| 5.2 故障特征指标选取 |
| 5.2.1 时域特征指标 |
| 5.2.2 频域特征指标 |
| 5.2.3 其它特征指标 |
| 5.3 故障特征分量选取 |
| 5.3.1 基于马氏距离的特征指标提取 |
| 5.4 基于马氏距离和无参经验小波变换的风电机组传动链故障诊断 |
| 5.4.1 风电机组齿轮箱故障诊断案列 |
| 5.4.2 风电机组发电机驱动端轴承故障诊断案列 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士期间发表论文及其它成果 |
| 致谢 |
四、初探概率论方法在其它数学分支中的应用（论文参考文献）
- [1]单幅图像的CNN超分辨率重建方法研究[D]. 胡锐. 安徽理工大学, 2020(07)
- [2]仿生群智能优化算法及在点云配准中的应用研究[D]. 马卫. 南京大学, 2020
- [3]基于混合不确定性建模的船舶不确定性优化设计[D]. 魏骁. 武汉理工大学, 2020(01)
- [4]可信性社交网络信息传播问题研究[D]. 袁国强. 河北大学, 2020(08)
- [5]基于电子病历的典型诊疗模式挖掘方法研究[D]. 陈静锋. 大连理工大学, 2019(06)
- [6]高新信息技术驱动下的微电网风险管控模型研究[D]. 蔺帅帅. 华北电力大学(北京), 2019(01)
- [7]基于STAMP的高速公路隧道机电系统安全评估研究[D]. 王跃山. 长安大学, 2019(01)
- [8]基于响应面法的结构可靠度计算方法研究[D]. 侯振兴. 燕山大学, 2019(03)
- [9]高等数学解题中概率论方法的应用研究[J]. 远巧针. 智库时代, 2019(14)
- [10]基于经验小波变换的风电机组传动链故障诊断[D]. 王伟. 华北电力大学(北京), 2019(01)