深度神经网络算法在尾矿库安全评价中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·课题背景和意义 | 第10-12页 |
| ·尾矿库安全评价方法研究现状 | 第12-17页 |
| ·工程安全评价方法 | 第12-14页 |
| ·综合评价方法 | 第14-16页 |
| ·人工智能评价方法 | 第16-17页 |
| ·深度神经网络研究现状 | 第17-18页 |
| ·主要研究内容 | 第18-19页 |
| ·论文的组织结构 | 第19-20页 |
| 第2章 深度神经网络 | 第20-36页 |
| ·深度神经网络概述 | 第20-23页 |
| ·深度神经网络的任务 | 第20-21页 |
| ·深度神经网络的节点模型 | 第21-22页 |
| ·深度神经网络的网络模型 | 第22-23页 |
| ·深度神经网络的参数训练策略 | 第23-24页 |
| ·贪心逐层初始化策略 | 第23页 |
| ·单层网络的训练策略 | 第23-24页 |
| ·深度神经网络的参数训练算法 | 第24-30页 |
| ·BP算法 | 第24-27页 |
| ·LM-BP算法 | 第27-30页 |
| ·堆栈式自编码器(SAE)设计 | 第30-35页 |
| ·SAE训练策略 | 第30-32页 |
| ·稀疏自编码器 | 第32-33页 |
| ·降噪自编码器 | 第33-34页 |
| ·Softmax分类器 | 第34-35页 |
| ·SAE的实现 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第3章 尾矿库安全关键因素分析 | 第36-44页 |
| ·安全关键因素的选择原则 | 第36页 |
| ·尾矿库概述 | 第36-40页 |
| ·尾矿库分类 | 第38页 |
| ·尾矿坝分类 | 第38-39页 |
| ·尾矿库等别及安全度分类 | 第39-40页 |
| ·尾矿库事故原因分析 | 第40-42页 |
| ·尾矿库安全关键因素确定 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于深度神经网络的尾矿库安全评价 | 第44-55页 |
| ·数据预处理 | 第44-48页 |
| ·数据集特性分析 | 第44-46页 |
| ·参量间的相关性分析 | 第46-47页 |
| ·指标的归一化方法 | 第47-48页 |
| ·实验仿真分析 | 第48-54页 |
| ·网络收敛性分析 | 第48-51页 |
| ·网络表征学习分析 | 第51-54页 |
| ·算法有效性分析 | 第54页 |
| ·本章小结 | 第54-55页 |
| 第5章 基于SAE的尾矿库安全评价软件的设计 | 第55-64页 |
| ·软件需求分析 | 第55-57页 |
| ·整体功能需求分析 | 第55-56页 |
| ·功能模块分析 | 第56-57页 |
| ·软件关键算法设计 | 第57-60页 |
| ·软件开发工具和开发环境选择 | 第57-58页 |
| ·安全评价算法设计 | 第58-60页 |
| ·主要功能模块实现 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 总结和展望 | 第64-66页 |
| ·全文总结 | 第64页 |
| ·未来展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间参加的科研项目和成果 | 第71页 |
