滑坡预测预报模型比较分析
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·滑坡预测预报研究的背景与意义 | 第11-12页 |
| ·国内外研究动态 | 第12-14页 |
| ·滑坡预测预报研究的现状 | 第12页 |
| ·滑坡预测预报模型研究的现状 | 第12-14页 |
| ·本文研究的主要内容 | 第14-16页 |
| 第2章 滑坡 | 第16-25页 |
| ·滑坡介绍 | 第16-20页 |
| ·滑坡形成机理 | 第17页 |
| ·滑坡演变阶段划分 | 第17-20页 |
| ·滑坡影响因素 | 第20-22页 |
| ·产生滑坡的内部因素 | 第20-21页 |
| ·产生滑坡的外部因素 | 第21-22页 |
| ·滑坡分类 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 滑坡预测预报 | 第25-34页 |
| ·滑坡预测预报的定义 | 第25页 |
| ·滑坡预测预报的分类 | 第25页 |
| ·滑坡预测预报总程序 | 第25-33页 |
| ·信息数据处理 | 第26页 |
| ·坡体演变阶段判别 | 第26-30页 |
| ·预测预报模型的优选 | 第30-33页 |
| ·预测预报模型精度检验 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第4章 确定性预测预报模型 | 第34-59页 |
| ·黄金分割法模型 | 第34页 |
| ·综合多参数模型 | 第34页 |
| ·回归模型 | 第34-35页 |
| ·变形功率理论模型 | 第35-36页 |
| ·基本原理 | 第35-36页 |
| ·预测预报 | 第36页 |
| ·指数平滑模型 | 第36-38页 |
| ·一次指数平滑法 | 第37页 |
| ·二次指数平滑法 | 第37页 |
| ·三次指数平滑法 | 第37-38页 |
| ·蠕变理论模型 | 第38-43页 |
| ·斋藤法及改进的斋藤法 | 第38-40页 |
| ·福囿模型 | 第40页 |
| ·Voight模型 | 第40页 |
| ·哈扬森模型 | 第40-41页 |
| ·岳启伦模型 | 第41页 |
| ·苏爱军模型 | 第41页 |
| ·蠕变-样条联合模型 | 第41-43页 |
| ·灰色GM(1,1)模型 | 第43-50页 |
| ·等时距GM(1,1)模型 | 第44-45页 |
| ·非等时距GM(1,1)模型 | 第45页 |
| ·时变参数模型 | 第45-46页 |
| ·灰色GM(1,1)残差修正模型 | 第46页 |
| ·无偏GM(1,1)模型 | 第46-47页 |
| ·中心逼近式GM(1,1)模型 | 第47页 |
| ·优化背景值GM(1,1)模型 | 第47-48页 |
| ·优化初始值的GM(1,1)模型 | 第48页 |
| ·模型参数优化 | 第48-49页 |
| ·GM(1,N)模型 | 第49页 |
| ·预测预报 | 第49-50页 |
| ·生物生长模型 | 第50-55页 |
| ·Pearl模型 | 第50页 |
| ·Verhulst模型 | 第50-52页 |
| ·Verhulst反函数法模型 | 第52-55页 |
| ·分形理论模型 | 第55-58页 |
| ·基本原理 | 第55-56页 |
| ·R/S—分形模型 | 第56页 |
| ·GP—分形模型 | 第56-57页 |
| ·改进的变维分形模型 | 第57-58页 |
| ·其它确定性预测预报模型 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第5章 非确定性预测预报模型 | 第59-78页 |
| ·工程地质类比法模型 | 第59页 |
| ·滑坡变形前兆异常现象法模型 | 第59页 |
| ·多元非线性相关分析模型 | 第59-60页 |
| ·集对分析SPA模型 | 第60页 |
| ·支持向量机模型 | 第60-61页 |
| ·协同学模型 | 第61-62页 |
| ·协同模型 | 第61-62页 |
| ·协同-分岔模型 | 第62页 |
| ·非线性动力学模型 | 第62-64页 |
| ·时间数列模型 | 第64-66页 |
| ·自回归AR(p)模型 | 第64页 |
| ·滑动平均MA(m)模型 | 第64-65页 |
| ·自回归滑动平均ARMA(m,n)模型 | 第65页 |
| ·向量ARMA模型 | 第65页 |
| ·门限自回归模型 | 第65-66页 |
| ·混沌理论模型 | 第66-71页 |
| ·建模过程 | 第66-68页 |
| ·混沌模型 | 第68-71页 |
| ·预测预报 | 第71页 |
| ·神经网络模型 | 第71-73页 |
| ·人工神经网络模型 | 第71-72页 |
| ·BP神经网络模型 | 第72页 |
| ·GP神经网络模型 | 第72-73页 |
| ·ANFIS模型 | 第73页 |
| ·进化BP神经网络模型 | 第73页 |
| ·组合预测预报模型 | 第73-76页 |
| ·简单组合模型 | 第74-75页 |
| ·复杂组合模型 | 第75-76页 |
| ·基于GIS的滑坡时间预测预报系统 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 第6章 预测预报模型分类与算例分析 | 第78-91页 |
| ·滑坡预测预报模型的分类 | 第78-84页 |
| ·确定性预测预报模型 | 第78页 |
| ·统计性预测预报模型 | 第78-82页 |
| ·非线性预测预报模型 | 第82-84页 |
| ·类比分析法预测预报模型 | 第84页 |
| ·模型算例分析 | 第84-90页 |
| ·确定性灰色GM(1,1)预测预报模型算例分析 | 第85-86页 |
| ·非确定性协同预测预报模型算例分析 | 第86-88页 |
| ·模型分析对比结论 | 第88-90页 |
| ·本章小结 | 第90-91页 |
| 结论 | 第91-93页 |
| 结论 | 第91页 |
| 展望 | 第91-93页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第93-94页 |
| 参考文献 | 第94-104页 |
| 致谢 | 第104页 |
