| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景与研究意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 地层沉降监测的研究现状 | 第9-11页 |
| 1.2.2 光纤光栅监测技术的研究现状 | 第11-12页 |
| 1.2.3 地层沉降预测模型的研究现状 | 第12-13页 |
| 1.3 本文的研究内容 | 第13-14页 |
| 1.4 论文组织安排 | 第14-15页 |
| 2 相关理论概述 | 第15-20页 |
| 2.1 光纤光栅传感器监测原理 | 第15-16页 |
| 2.2 异常值检测技术 | 第16-17页 |
| 2.3 常用的预测方法 | 第17-18页 |
| 2.4 数据挖掘概述 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 3 光栅传感器波长数据异常检测算法 | 第20-32页 |
| 3.1 光栅数据异常检测算法原理 | 第21-22页 |
| 3.2 算法的实现 | 第22-25页 |
| 3.3 算法的性能分析 | 第25-26页 |
| 3.4 实验验证 | 第26-30页 |
| 3.4.1 异常序列的检测修正的实例 | 第26-28页 |
| 3.4.2 单独异常点的检测修正实例 | 第28-29页 |
| 3.4.3 连续异常点的检测修正实例 | 第29-30页 |
| 3.5 本章小结 | 第30-32页 |
| 4 基于滑动窗口的灰色Verhulst-BP松散层预测模型 | 第32-51页 |
| 4.1 两种经典的预测模型 | 第32-38页 |
| 4.1.1 灰色Verhulst预测模型 | 第32-36页 |
| 4.1.2 时间序列ARIMA预测模型 | 第36-38页 |
| 4.2 基于滑动窗口的灰色Verhulst预测模型 | 第38-39页 |
| 4.2.1 算法原理 | 第38-39页 |
| 4.2.2 算法步骤 | 第39页 |
| 4.3 基于滑动窗口的灰色Verhulst-BP预测模型 | 第39-42页 |
| 4.3.1 BP神经网络介绍 | 第39-41页 |
| 4.3.2 算法步骤 | 第41-42页 |
| 4.4 实验结果及分析 | 第42-50页 |
| 4.4.1 实验过程 | 第42-49页 |
| 4.4.2 实验结果分析 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57页 |
