| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-14页 |
| ·选题背景及意义 | 第11-12页 |
| ·变形监测数据处理与预测的研究现状 | 第12-13页 |
| ·本文研究主要内容 | 第13-14页 |
| 2 果蝇优化算法 | 第14-24页 |
| ·果蝇优化算法基本理论 | 第14-16页 |
| ·果蝇优化算法简介 | 第14-15页 |
| ·果蝇优化算法的基本步骤 | 第15-16页 |
| ·果蝇优化算法全局寻优能力分析 | 第16-18页 |
| ·果蝇优化算法的进阶微调 | 第18-23页 |
| ·果蝇种群大小与搜寻能力的关系 | 第18-20页 |
| ·果蝇种群初始位置与搜寻能力的关系 | 第20-21页 |
| ·果蝇种群迭代步进值与搜寻能力的关系 | 第21-22页 |
| ·果蝇算法的不同参数对程序运行时间的影响 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 支持向量机的基本理论 | 第24-38页 |
| ·机器学习理论 | 第24-27页 |
| ·学习问题的模型 | 第24-26页 |
| ·经验风险最小化原则 | 第26页 |
| ·学习机器的复杂度与泛化能力 | 第26-27页 |
| ·统计学习理论 | 第27-30页 |
| ·学习过程的一致性 | 第27-28页 |
| ·VC 维 | 第28页 |
| ·推广性的界 | 第28-29页 |
| ·结构风险最小化 | 第29-30页 |
| ·支持向量回归机 | 第30-36页 |
| ·标准支持向量机 | 第31-33页 |
| ·支持向量回归机 | 第33-36页 |
| ·本章小结 | 第36-38页 |
| 4 基于 EEMD 和 FOA-SVR 的变形预测模型 | 第38-51页 |
| ·变形数据的预处理及样本选择 | 第38-45页 |
| ·变形数据预处理概述 | 第38页 |
| ·监测资料奇异值的检验与插补 | 第38-39页 |
| ·EEMD 数据去噪 | 第39-44页 |
| ·数据归一化处理 | 第44-45页 |
| ·样本的选择 | 第45页 |
| ·FOA-SVM 变形预测模型 | 第45-48页 |
| ·SVM 核函数选择 | 第45-46页 |
| ·SVM 超参数选择 | 第46-47页 |
| ·FOA 优化超参数选择 | 第47-48页 |
| ·模型性能评定及训练步骤 | 第48-50页 |
| ·模型性能评定指标 | 第48-49页 |
| ·模型训练步骤 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 5 变形监测项目实施及分析 | 第51-62页 |
| ·项目简介 | 第51-52页 |
| ·监测方法 | 第52-54页 |
| ·仪器设备 | 第52页 |
| ·高程基准网、沉降观测网的布设 | 第52-53页 |
| ·观测方法及限差 | 第53-54页 |
| ·监测数据分析 | 第54-56页 |
| ·数据 EEMD 去噪与归一化处理 | 第56-58页 |
| ·训练模型及其验证结果 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 6 结论 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 作者简历 | 第65-67页 |
| 学位论文数据集 | 第67-68页 |