| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-13页 |
| ·研究的目的与意义 | 第10-11页 |
| ·桥梁监控系统发展历程及国内外现状 | 第11-12页 |
| ·本文的研究内容 | 第12-13页 |
| 第二章 相关理论与技术 | 第13-18页 |
| ·引言 | 第13-14页 |
| ·人工神经网络 Kohenon 算法 | 第14-15页 |
| ·关联规则 Apriori 算法 | 第15-17页 |
| ·数据挖掘软件及应用 | 第17-18页 |
| 第三章 桥梁监测系统结构及原理 | 第18-21页 |
| ·拱桥基本结构 | 第18页 |
| ·桥梁监测传感器基本原理及布置位置 | 第18-21页 |
| ·基于连通管式光电挠度传感器 | 第19-20页 |
| ·索力传感器 | 第20-21页 |
| 第四章 桥梁监测数据的预处理与分析 | 第21-35页 |
| ·数据处理方案及分析 | 第21-23页 |
| ·需求分析 | 第21-22页 |
| ·数据处理及分析流程 | 第22-23页 |
| ·数据的合并 | 第23页 |
| ·噪声数据的处理 | 第23页 |
| ·失效值处理 | 第23-26页 |
| ·单点失效值处理 | 第24-25页 |
| ·连续失效值处理 | 第25-26页 |
| ·数据的统计分析 | 第26页 |
| ·数据的主成分分析 | 第26-28页 |
| ·环境因素对监测数据的影响及处理 | 第28页 |
| ·算法实现及分析 | 第28-34页 |
| ·本章小结 | 第34-35页 |
| 第五章 基于数据挖掘的桥梁异常状况的识别 | 第35-46页 |
| ·引言 | 第35页 |
| ·基于 Kohonen 人工神经网络的聚类分析 | 第35-41页 |
| ·基于 Kohonen 人工神经网络的聚类分析模型 | 第35-36页 |
| ·算法实现及分析 | 第36-41页 |
| ·基于 Apriori 算法的关联规则分析模型 | 第41-46页 |
| ·基于 Apriori 算法的关联规则分析 | 第41页 |
| ·算法实现及分析 | 第41-46页 |
| 总结及展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |
| 附录 攻读硕士学位期间发表的论文目录 | 第53页 |