| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-18页 |
| ·课题的目的及研究的意义 | 第8-10页 |
| ·目前滑坡预测预报中还存在的问题 | 第8-9页 |
| ·将小波理论引入滑坡预测预报中的目的及研究意义 | 第9-10页 |
| ·小波理论应用于滑坡预测预报中的可行性和优越性 | 第10-12页 |
| ·小波分析应用于滑坡体位移监测曲线降噪中的可行性和优越性 | 第10页 |
| ·小波神经网络用于滑坡体多个模型组合监测的可行性和优越性 | 第10-12页 |
| ·小波分析及小波神经网络的国内外研究现状 | 第12-15页 |
| ·小波分析的发展及其在信号降噪中应用综述 | 第12-13页 |
| ·小波网络的发展及在预测中应用综述 | 第13-15页 |
| ·论文的主要内容和技术路线 | 第15-17页 |
| ·论文的主要创新点 | 第17-18页 |
| 第二章 丹巴滑坡的简要介绍 | 第18-21页 |
| ·丹巴滑坡的地理位置、形成条件及规模 | 第18-20页 |
| ·丹巴滑坡的危害 | 第20-21页 |
| 第三章 小波分析的基本理论 | 第21-30页 |
| ·小波变换的基本概念及其时频局部化特性 | 第21-24页 |
| ·小波函数的定义 | 第21-22页 |
| ·小波的时频局部化特性 | 第22-23页 |
| ·连续小波变换 | 第23-24页 |
| ·多分辨率分析和正交小波变换 | 第24-27页 |
| ·尺度函数与尺度空间 | 第24-25页 |
| ·多分辨率分析 | 第25-27页 |
| ·正交小波变换的快速算法--Mallet算法 | 第27-28页 |
| ·常用的小波函数 | 第28-30页 |
| 第四章 小波分析在滑坡体监测曲线降噪中的应用 | 第30-52页 |
| ·小波分析用于信号降噪的基本原理 | 第30-31页 |
| ·信号奇异性同小波变换模极大值的关系 | 第31-33页 |
| ·小波变换的模极大值与信号奇异性和尺度的关系 | 第32-33页 |
| ·模极大值的传播特性 | 第33页 |
| ·非线性小波变换阈值法 | 第33-37页 |
| ·工作原理 | 第33-34页 |
| ·算法实现过程 | 第34-35页 |
| ·小波函数的选择 | 第35页 |
| ·阈值的选取 | 第35-37页 |
| ·小波变换模极大值法 | 第37-39页 |
| ·工作原理 | 第37页 |
| ·算法实现过程 | 第37-38页 |
| ·小波函数和尺度的选取 | 第38页 |
| ·模极大值传播线的搜索 | 第38-39页 |
| ·小波降噪法对实际滑坡体监测数据的处理结果 | 第39-52页 |
| ·数据来源 | 第39页 |
| ·实例验证 | 第39-49页 |
| ·小波降噪的性能评价标准 | 第49-50页 |
| ·结果分析 | 第50-52页 |
| 第五章 小波神经网络在滑坡体组合预测中的应用 | 第52-67页 |
| ·神经网络模型 | 第52-54页 |
| ·神经网络的结构及类型 | 第52-53页 |
| ·BP神经网络模型 | 第53-54页 |
| ·小波神经网络模型 | 第54-58页 |
| ·自适应小波网络的结构形式 | 第55-56页 |
| ·学习算法 | 第56-57页 |
| ·学习率的调节 | 第57-58页 |
| ·自适应小波网络中参数的初始化 | 第58页 |
| ·基于小波神经网络的滑坡体组合预测 | 第58-61页 |
| ·组合预测的工作原理 | 第58-59页 |
| ·本文选择的几个进行组合预测的滑坡预测模型 | 第59-61页 |
| ·小波网络进行组合预测的结果 | 第61-67页 |
| ·小波函数 | 第61页 |
| ·样本归一化处理 | 第61-62页 |
| ·实例验证 | 第62-66页 |
| ·结果分析 | 第66-67页 |
| 第六章 结论及建议 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |