| 致谢 | 第1-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-12页 |
| 插图清单 | 第12-13页 |
| 表格清单 | 第13-14页 |
| 第一章 绪论 | 第14-20页 |
| ·本文的研究背景和意义 | 第14-15页 |
| ·大坝监测的工作和周期 | 第15-16页 |
| ·监测工作的整个过程 | 第15页 |
| ·大坝变形监测周期 | 第15-16页 |
| ·大坝运行性状的数学模型 | 第16-18页 |
| ·大坝监测的发展 | 第18页 |
| ·本文的主要研究内容 | 第18-20页 |
| 第二章 变形监测技术及常用数据处理方法 | 第20-28页 |
| ·变形监测技术 | 第20-23页 |
| ·GPS 空间定位技术 | 第20页 |
| ·自动化监测技术 | 第20-21页 |
| ·渗流热监测技术 | 第21页 |
| ·CT 技术 | 第21页 |
| ·光纤传感检测技术 | 第21-22页 |
| ·测量机器人技术 | 第22页 |
| ·激光技术 | 第22页 |
| ·安全监控专家系统 | 第22-23页 |
| ·变形监测常用数据处理方法概述 | 第23-28页 |
| ·回归分析法 | 第23-24页 |
| ·时间序列分析 | 第24-25页 |
| ·灰色系统分析 | 第25-26页 |
| ·频谱分析 | 第26页 |
| ·卡尔曼滤波法 | 第26-27页 |
| ·人工神经网络法 | 第27页 |
| ·小波分析法 | 第27-28页 |
| 第三章 港口湾水库大坝监测数据分析 | 第28-34页 |
| ·港口湾水库工程概括 | 第28-30页 |
| ·测点布控 | 第29-30页 |
| ·沉降观测依据及精度要求 | 第30页 |
| ·监测数据预处理方法 | 第30-33页 |
| ·Matlab 概述 | 第31页 |
| ·监测数据粗差探测 | 第31-32页 |
| ·拉格朗日插值填补粗差 | 第32-33页 |
| ·监测数据预处理结果 | 第33-34页 |
| 第四章 灰色系统分析模型在港口湾水库大坝中的应用 | 第34-52页 |
| ·建立监测模型的重要性 | 第34-35页 |
| ·建立监测模型的重要性 | 第34-35页 |
| ·监测模型及分析方法的选择 | 第35页 |
| ·用灰色系统理论方法对测得沉降数据进行拟合 | 第35-38页 |
| ·数据生成 | 第35-36页 |
| ·GM(1，1)模型 | 第36-37页 |
| ·GM(1，1)模型的检验方法 | 第37-38页 |
| ·大坝变形年度灰色模型预测 | 第38-40页 |
| ·大坝变形季度灰色模型预测 | 第40-46页 |
| ·大坝变形月度灰色模型预测 | 第46-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 BP 神经网络模型在港口湾水库大坝中的应用 | 第52-68页 |
| ·人工神经网络的基本原理 | 第52-54页 |
| ·Matlab 神经网络工具箱与 BP 神经网络模型 | 第54-56页 |
| ·Matlab 神经网络工具箱 | 第54页 |
| ·BP 神经网络模型 | 第54-55页 |
| ·BP 网络的学习步骤 | 第55-56页 |
| ·BP 神经网络的优缺点 | 第56页 |
| ·BP 神经网络建模 | 第56-67页 |
| ·大坝变形年度 BP 神经网络模型预测 | 第56-58页 |
| ·大坝变形季度 BP 神经网络模型预测 | 第58-63页 |
| ·大坝变形月度 BP 神经网络模型预测 | 第63-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 结论及展望 | 第68-70页 |
| ·结论 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-73页 |