| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 课题来源 | 第11页 |
| 1.2 课题研究背景及意义 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.3.1 边坡监测数据挖掘方法研究现状 | 第13-14页 |
| 1.3.2 边坡位移预测方法研究现状 | 第14-17页 |
| 1.4 本文主要研究内容和创新点 | 第17-20页 |
| 1.4.1 本文的主要研究内容 | 第17-19页 |
| 1.4.2 本文研究的创新点 | 第19-20页 |
| 第2章 边坡监测数据规律及变形机理分析 | 第20-42页 |
| 2.1 引言 | 第20页 |
| 2.2 边坡稳定性监测系统 | 第20-29页 |
| 2.2.1 监测系统概况 | 第20-27页 |
| 2.2.2 位移计算方法 | 第27-29页 |
| 2.3 边坡监测数据变化规律分析 | 第29-36页 |
| 2.3.1 深部位移 | 第29-30页 |
| 2.3.2 表面位移及速率 | 第30-34页 |
| 2.3.3 降雨与地下水位 | 第34-35页 |
| 2.3.4 降雨与湿度 | 第35-36页 |
| 2.4 边坡位移影响因素分析 | 第36-40页 |
| 2.4.1 边坡位移影响因素总体分析 | 第36-38页 |
| 2.4.2 降雨及地下水位对位移影响分析 | 第38-40页 |
| 2.5 本章小结 | 第40-42页 |
| 第3章 基于多层次数据挖掘的位移预测数据库 | 第42-55页 |
| 3.1 引言 | 第42页 |
| 3.2 多层次数据挖掘方法 | 第42-44页 |
| 3.2.1 冗余属性的筛除 | 第42-43页 |
| 3.2.2 数据样本的降维 | 第43页 |
| 3.2.3 变形规则的获取 | 第43-44页 |
| 3.3 边坡位移预测数据库的建立及优化 | 第44-52页 |
| 3.3.1 初始数据库的建立 | 第44-45页 |
| 3.3.2 初始数据库的预处理 | 第45-48页 |
| 3.3.3 基于RS方法的数据库属性约简 | 第48-51页 |
| 3.3.4 基于KPCA方法的数据库信息提取 | 第51-52页 |
| 3.4 边坡变形阶段预测判据的建立 | 第52-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第4章 基于混合智能算法的位移预测模型 | 第55-70页 |
| 4.1 引言 | 第55页 |
| 4.2 混合智能算法边坡位移预测模型 | 第55-60页 |
| 4.2.1 模型的建立方法 | 第56-57页 |
| 4.2.2 模型的参数优化 | 第57-58页 |
| 4.2.3 模型的误差修正 | 第58-60页 |
| 4.3 不同优化阶段边坡位移预测模型的建立 | 第60-67页 |
| 4.3.1 基于三阶段优化的边坡位移预测模型建立步骤 | 第60-61页 |
| 4.3.2 基于RS-KPCA方法的LSSVM位移预测模型 | 第61-63页 |
| 4.3.3 基于QPSO方法的预测模型参数优化 | 第63-65页 |
| 4.3.4 基于MC方法的预测结果修正 | 第65-67页 |
| 4.4 边坡位移预测模型应用流程 | 第67-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第5章 边坡多参数预测预警机制的建立 | 第70-81页 |
| 5.1 引言 | 第70页 |
| 5.2 边坡多参数预警阀值的建立 | 第70-73页 |
| 5.2.1 降雨及地下水位预警阀值 | 第70-72页 |
| 5.2.2 位移速率预警阀值 | 第72-73页 |
| 5.3 基于速率倒数法的边坡失稳时刻预测 | 第73-77页 |
| 5.3.1 位移时间窗的确定 | 第73-76页 |
| 5.3.2 边坡失稳时刻预测 | 第76-77页 |
| 5.4 多参数预测预警机制的建立 | 第77-80页 |
| 5.4.1 基于监测数据的预警机制 | 第77-78页 |
| 5.4.2 基于监测数据的多参数预测预警机制 | 第78-80页 |
| 5.5 本章小结 | 第80-81页 |
| 结论 | 第81-83页 |
| 参考文献 | 第83-92页 |
| 攻读硕士学位期间发表的学术论文 | 第92-94页 |
| 致谢 | 第94页 |