| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1. 研究背景与意义 | 第10-12页 |
| 1.2. 国内外研究现状 | 第12-14页 |
| 1.2.1. 地铁结构变形预测的国内外研究 | 第12-13页 |
| 1.2.2. 组合模型的国内外研究 | 第13-14页 |
| 1.3. 当前研究中存在的问题 | 第14页 |
| 1.4. 主要研究内容 | 第14-15页 |
| 1.5. 本章小结 | 第15-16页 |
| 第二章 地铁结构变形原因分析及预测模型 | 第16-28页 |
| 2.1. 地铁结构变形原因 | 第16-17页 |
| 2.2. 回归分析理论 | 第17-21页 |
| 2.2.1. 回归分析基本理论 | 第17-21页 |
| 2.2.2. 回归分析建模流程 | 第21页 |
| 2.2.3. 回归分析理论特点 | 第21页 |
| 2.3. 时间序列分析模型 | 第21-25页 |
| 2.3.1. 时间序列分析基本理论 | 第21-24页 |
| 2.3.2. 时间序列建模流程 | 第24页 |
| 2.3.3. 时间序列分析模型特点 | 第24-25页 |
| 2.4. 灰色理论 | 第25-27页 |
| 2.4.1. 灰色理论基本理论 | 第25-26页 |
| 2.4.2. 灰色理论建模流程 | 第26页 |
| 2.4.3. 灰色理论特点 | 第26-27页 |
| 2.5. 本章小结 | 第27-28页 |
| 第三章 组合模型的数学基础 | 第28-34页 |
| 3.1. 组合模型的分类 | 第28-29页 |
| 3.2. 常用的权系数确定方法 | 第29-32页 |
| 3.2.1. 简单平均加权法 | 第30页 |
| 3.2.2. 误差倒数法 | 第30页 |
| 3.2.3. 基于预测误差平方和最小的权系数确定方法 | 第30-32页 |
| 3.2.4. 误差绝对值和最小法 | 第32页 |
| 3.3. 组合模型评价标准 | 第32-33页 |
| 3.4. 本章小结 | 第33-34页 |
| 第四章 组合模型的建立 | 第34-50页 |
| 4.1. 粒子群智能算法 | 第34-36页 |
| 4.1.1. 粒子群算法的基本思想和模型 | 第34-35页 |
| 4.1.2. 粒子群算法的基本流程 | 第35-36页 |
| 4.1.3. 粒子群算法的流程图 | 第36页 |
| 4.2. BP神经网络算法 | 第36-39页 |
| 4.2.1. BP神经网络的学习过程 | 第37页 |
| 4.2.2. BP神经网络算法流程 | 第37-39页 |
| 4.3. 组合模型的建模流程 | 第39-49页 |
| 4.4. 本章小结 | 第49-50页 |
| 第五章 工程实例应用 | 第50-63页 |
| 5.1. 工程概况 | 第50页 |
| 5.2. 数据预处理 | 第50-52页 |
| 5.3. 组合模型预测 | 第52-61页 |
| 5.3.1. 时间序列模型 | 第52-54页 |
| 5.3.2. 回归分析模型 | 第54-56页 |
| 5.3.3. 建立组合模型 | 第56-59页 |
| 5.3.4. 组合模型优化 | 第59-61页 |
| 5.4. 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1. 本文主要内容与结论 | 第63-64页 |
| 6.2. 存在问题与展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间发表的论文与取得的学术成果 | 第69页 |