广义回归神经网络在大坝安全监测数据分析中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| 1．1 大坝安全监测及安全资料分析概述 | 第8-10页 |
| 1．2 神经网络运用于大坝变形监测数据分析概况 | 第10-11页 |
| 1．3 本文的研究内容 | 第11-12页 |
| 第二章 回归分析法与大坝变形观测量的统计模型 | 第12-22页 |
| 2．1 多元线性回归分析 | 第12-15页 |
| 2．2 逐步回归法 | 第15-18页 |
| 2．3 混凝土坝变形观测量的统计模型 | 第18-22页 |
| 第三章 人工神经网络原理 | 第22-31页 |
| 3．1 神经网络的发展概况 | 第22页 |
| 3．2 神经网络的基本概念 | 第22-24页 |
| 3．3 神经网络的结构与类型 | 第24-27页 |
| 3．3 神经网络的仿真、学习与训练概述 | 第27-29页 |
| 3．4 选择适用于大坝变形分析的神经网络模型 | 第29-31页 |
| 第四章 改进型径向基函数网络 | 第31-43页 |
| 4．1 径向基函数网络模型 | 第31-36页 |
| 4．1．1 径向基函数网络的基本结构 | 第31-32页 |
| 4．1．2 径向基网络的映射关系 | 第32-33页 |
| 4．1．3 径向基网络的映射机理 | 第33页 |
| 4．1．4 径向基函数网络的学习算法 | 第33-36页 |
| 4．2 递归正交最小二乘法 | 第36-39页 |
| 4．2．1 正交最小二乘法 | 第37-38页 |
| 4．2．2 递归正交最小二乘法 | 第38-39页 |
| 4．3 广义回归神经网络 | 第39-43页 |
| 4．3．1 正则化理论和格林函数 | 第40-41页 |
| 4．3．2 广义回归神经网络 | 第41-43页 |
| 第五章 广义回归网络应用于大坝观测数据处理的实例 | 第43-47页 |
| 5．1 大坝观测数据处理的广义回归网络结构设计 | 第43页 |
| 5．2 样本数据的预处理和网络模型的实现 | 第43-44页 |
| 5．3 实例与结果分析 | 第44-47页 |
| 结论 | 第47-48页 |
| 参考文献: | 第48-51页 |
| 感谢 | 第51页 |
