| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·引言 | 第9-10页 |
| ·大坝安全监测的重要性和意义 | 第10-12页 |
| ·本课题研究的目的和意义 | 第12页 |
| ·国内外的研究状况 | 第12-14页 |
| ·本文研究的主要内容 | 第14-15页 |
| 2 大坝监测传统模型与神经网络原理简介 | 第15-27页 |
| ·传统监测数据分析方法 | 第15-18页 |
| ·统计模型 | 第15-16页 |
| ·确定性模型 | 第16-17页 |
| ·混合模型 | 第17-18页 |
| ·人工神经网络基本原理 | 第18-19页 |
| ·人工神经网络简介 | 第18页 |
| ·人工神经网络的发展历史 | 第18-19页 |
| ·神经元模型 | 第19-22页 |
| ·生物神经元模型 | 第19-20页 |
| ·人工神经元模型 | 第20-22页 |
| ·神经网络的结构 | 第22-23页 |
| ·神经网络的学习 | 第23-25页 |
| ·学习方式 | 第23-25页 |
| ·学习规则 | 第25页 |
| ·神经网络的特点 | 第25-26页 |
| ·神经网络的不足 | 第26-27页 |
| 3 遗传算法模糊优选的BP网络模型 | 第27-43页 |
| ·BP网络模型与结构 | 第27-28页 |
| ·BP网络的学习过程 | 第28-31页 |
| ·改进后的BP网络 | 第31-35页 |
| ·BP网络的局限性 | 第31-32页 |
| ·BP算法的改进 | 第32-35页 |
| ·遗传算法理论 | 第35-43页 |
| ·遗传算法概述 | 第35-36页 |
| ·遗传算法的特点 | 第36-37页 |
| ·遗传算法的基本术语 | 第37-38页 |
| ·遗传算法的实现机制 | 第38-43页 |
| 4 基于GA-LM算法的BP神经网络在大坝安全监控预报中的应用 | 第43-64页 |
| ·工程概况 | 第43-46页 |
| ·丰满大坝变形监控的GA—LMBP模型 | 第46-56页 |
| ·样本数据的预处理 | 第46页 |
| ·模型结构的确定 | 第46-50页 |
| ·GA优化网络实现过程 | 第50-53页 |
| ·BP算法优化网络 | 第53-55页 |
| ·GA-LMBP算法流程图 | 第55-56页 |
| ·模型结果分析与评价 | 第56-64页 |
| 5 结论和展望 | 第64-67页 |
| 参考文献 | 第67-70页 |
| 附录1 部分程序代码 | 第70-76页 |
| 附录2 大坝原始监测数据 | 第76-83页 |
| 攻读硕士学位期间发表学术论文情况 | 第83-84页 |
| 致谢 | 第84-85页 |