基于高斯过程的变形预测算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景与意义 | 第8-9页 |
| ·变形监测技术发展 | 第9-10页 |
| ·变形预测模型方法 | 第10-12页 |
| ·本文研究内容 | 第12-13页 |
| 2 变形监测相关算法理论 | 第13-31页 |
| ·常用的变形监测模型 | 第13-24页 |
| ·线性回归分析法 | 第13-15页 |
| ·时间序列分析法 | 第15-17页 |
| ·灰色系统模型法 | 第17-19页 |
| ·卡尔曼滤波法 | 第19-20页 |
| ·支持向量机法 | 第20-22页 |
| ·神经网络法 | 第22-24页 |
| ·高斯过程 | 第24-31页 |
| ·机器学习理论 | 第24-25页 |
| ·高斯过程理论 | 第25-27页 |
| ·高斯过程噪声回归 | 第27-31页 |
| 3 高斯过程回归模型算法 | 第31-40页 |
| ·变形监测数据预处理 | 第31-33页 |
| ·数据预处理 | 第31-32页 |
| ·输入数据预处理 | 第32-33页 |
| ·高斯过程回归模型 | 第33-35页 |
| ·核函数的选择 | 第33-34页 |
| ·高斯过程回归模型超参数的确定 | 第34页 |
| ·高斯过程回归模型的训练步骤 | 第34-35页 |
| ·高斯过程回归优化模型 | 第35-38页 |
| ·粒子群算法原理 | 第36-37页 |
| ·粒子群—高斯过程回归模型 | 第37-38页 |
| ·模型评价指标 | 第38-40页 |
| 4 工程应用 | 第40-53页 |
| ·工程概括 | 第40-41页 |
| ·监测项目及测点布置 | 第40-41页 |
| ·监测的仪器设备及监测方法 | 第41页 |
| ·观测数据预处理 | 第41-43页 |
| ·模型的建立与结果 | 第43-53页 |
| ·隧道位移高斯过程回归模型 | 第43-46页 |
| ·隧道位移粒子群—高斯过程回归模型 | 第46-49页 |
| ·隧道位移 BP 模型 | 第49-53页 |
| 5 成果分析 | 第53-56页 |
| 6 结论与展望 | 第56-58页 |
| ·结论 | 第56页 |
| ·展望 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-62页 |
