摘要 | 第4-6页 |
Abstract | 第6-8页 |
1 绪论 | 第13-23页 |
1.1 研究背景和意义 | 第13-15页 |
1.2 国内外研究现状综述 | 第15-20页 |
1.2.1 滑坡的孕育及稳定性评价 | 第15-18页 |
1.2.2 降雨和库水位对滑坡的影响 | 第18页 |
1.2.3 滑坡预测概况 | 第18-20页 |
1.3 研究内容及结构安排 | 第20-23页 |
2 基于RF算法的滑坡稳定性评价及分析 | 第23-39页 |
2.1 引言 | 第23页 |
2.2 RF分类方法 | 第23-28页 |
2.2.1 决策树基本思想及其算法 | 第24-26页 |
2.2.2 随机森林基本思想及算法 | 第26-28页 |
2.3 影响滑坡稳定的特征属性 | 第28-29页 |
2.4 随机森林在滑坡稳定性评价中的应用 | 第29-38页 |
2.4.1 模型设计思路 | 第29页 |
2.4.2 模型设计步骤 | 第29-30页 |
2.4.3 实例分析 | 第30-38页 |
2.5 本章小结 | 第38-39页 |
3 基于K-GRNNs的滑坡位移时间序列预测 | 第39-61页 |
3.1 引言 | 第39页 |
3.2 预备知识 | 第39-42页 |
3.2.1 交叉检验 | 第39-40页 |
3.2.2 皮尔森系数和互信息 | 第40-41页 |
3.2.3 时间序列的平稳性检验 | 第41-42页 |
3.3 GRNN的结构 | 第42-44页 |
3.4 K-GRNNs模型 | 第44-46页 |
3.4.1 输入变量的选择 | 第45-46页 |
3.4.2 SPREAD的选择 | 第46页 |
3.5 实例分析 | 第46-60页 |
3.5.1 数据介绍 | 第46-53页 |
3.5.2 相关性和平稳性分析 | 第53-55页 |
3.5.3 实验结果 | 第55-60页 |
3.6 本章小结 | 第60-61页 |
4 基于EKF-BPTT的滑坡位移时间序列的多步预测 | 第61-77页 |
4.1 引言 | 第61页 |
4.2 预备知识 | 第61-66页 |
4.2.1 EKF算法 | 第61-63页 |
4.2.2 BPTT算法 | 第63-64页 |
4.2.3 EKF优化BPTT权值估计 | 第64-66页 |
4.3 实例分析 | 第66-76页 |
4.3.1 实验数据 | 第66页 |
4.3.2 实验结果 | 第66-76页 |
4.4 本章小结 | 第76-77页 |
5 基于Bootstrap-ESN的分叉迭代滑坡位移序列区间预测 | 第77-92页 |
5.1 引言 | 第77-78页 |
5.2 预备知识 | 第78-81页 |
5.2.1 置信区间与区间预测 | 第78页 |
5.2.2 PIs指标 | 第78-79页 |
5.2.3 ESN及其原理 | 第79-80页 |
5.2.4 Bootstrap算法描述 | 第80-81页 |
5.3 Bootstrap-ESN分叉迭代算法 | 第81-84页 |
5.3.1 ESN分叉迭代结构 | 第81-82页 |
5.3.2 Bootstrap-ESN的置信区间 | 第82-84页 |
5.4 实例分析 | 第84-91页 |
5.5 本章小结 | 第91-92页 |
6 基于PSOGSA-ELMAN神经网络滑坡位移时间序列的区间预测 | 第92-109页 |
6.1 引言 | 第92页 |
6.2 预备知识 | 第92-100页 |
6.2.1 PSO和GSA | 第92-96页 |
6.2.2 PSOGSA混杂算法 | 第96-97页 |
6.2.3 ELMAN网络 | 第97-98页 |
6.2.4 PSOGSA-ELMAN算法 | 第98-100页 |
6.3 实例分析 | 第100-108页 |
6.3.1 实验数据 | 第100页 |
6.3.2 实验结果 | 第100-108页 |
6.4 本章小结 | 第108-109页 |
7 总结与展望 | 第109-113页 |
7.1 全文总结 | 第109-110页 |
7.2 本文的创新点 | 第110-111页 |
7.3 未来工作展望 | 第111-113页 |
致谢 | 第113-114页 |
参考文献 | 第114-129页 |
附录1 攻读博士学位期间发表的论文 | 第129-131页 |
附录2 攻读博士学位期间参加的科研项目和获得的荣誉奖励 | 第131-132页 |
附录3 攻读博士学位期间发表的论文与学位论文的对应关系 | 第132页 |