独立分量分析理论及其在变形监测数据处理与分析中的应用研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| 1 绪论 | 第11-23页 |
| 1.1 论文的研究背景和意义 | 第11-13页 |
| 1.2 变形监测数据分析概述 | 第13-19页 |
| 1.2.1 监测数据分析方法概述 | 第13-17页 |
| 1.2.2 变形监测数据分析的研究现状和发展趋势 | 第17-19页 |
| 1.3 独立分量分析概述 | 第19-21页 |
| 1.3.1 独立分量分析研究现状与发展趋势 | 第19-20页 |
| 1.3.2 独立分量分析的应用 | 第20-21页 |
| 1.4 本文的主要工作及安排 | 第21-22页 |
| 1.5 本文的创新点 | 第22-23页 |
| 2 独立分量分析的基本原理 | 第23-43页 |
| 2.1 信息论基础 | 第23-26页 |
| 2.1.1 峭度 | 第23-24页 |
| 2.1.2 熵 | 第24-25页 |
| 2.1.3 散度 | 第25页 |
| 2.1.4 互信息 | 第25页 |
| 2.1.5 负熵 | 第25-26页 |
| 2.2 独立分量分析理论 | 第26-29页 |
| 2.2.1 独立分量分析的定义 | 第26-28页 |
| 2.2.2 独立分量分析的约束条件和不确定性 | 第28-29页 |
| 2.3 独立分量分析的预处理 | 第29-32页 |
| 2.3.1 中心化 | 第29页 |
| 2.3.2 白化处理 | 第29-30页 |
| 2.3.3 降维 | 第30-32页 |
| 2.4 独立分量分析方法 | 第32-42页 |
| 2.4.1 独立分量分析的目标函数 | 第33-36页 |
| 2.4.2 独立分量分析的优化算法 | 第36-42页 |
| 2.5 本章小结 | 第42-43页 |
| 3 信号去噪方法研究 | 第43-66页 |
| 3.1 数学基础知识 | 第43-48页 |
| 3.1.1 统计量 | 第43-45页 |
| 3.1.2 非高斯性 | 第45-46页 |
| 3.1.3 独立与相关 | 第46页 |
| 3.1.4 典型相关分析 | 第46-48页 |
| 3.2 信号分析方法 | 第48-50页 |
| 3.3 信号去噪的准则和模型 | 第50页 |
| 3.3.1 信号去噪的准则 | 第50页 |
| 3.3.2 含噪声的信号模型 | 第50页 |
| 3.4 白噪声的特性以及信号去噪效果评价指标 | 第50-52页 |
| 3.4.1 白噪声的特性 | 第50-51页 |
| 3.4.2 信号消噪性能的评价标准 | 第51-52页 |
| 3.5 去噪方法介绍 | 第52-61页 |
| 3.5.1 传统的滤波方法简介 | 第52-53页 |
| 3.5.2 基于傅里叶变换的信号去噪 | 第53页 |
| 3.5.3 基于信号自相关的信号去噪 | 第53-54页 |
| 3.5.4 卡尔曼滤波 | 第54-55页 |
| 3.5.5 小波去噪 | 第55-58页 |
| 3.5.6 独立分量分析去噪 | 第58-61页 |
| 3.6 仿真实验与比较分析 | 第61-65页 |
| 3.6.1 仿真实验 | 第61-65页 |
| 3.6.2 小波去噪和独立分量分析去噪的比较分析 | 第65页 |
| 3.7 本章小结 | 第65-66页 |
| 4 变形监测数据采集与处理 | 第66-81页 |
| 4.1 变形监测数据采集 | 第66-68页 |
| 4.1.1 传统变形监测技术 | 第66页 |
| 4.1.2 变形监测新技术 | 第66-68页 |
| 4.2 变形监测数据预处理 | 第68-69页 |
| 4.3 大坝变形的成因及其作用机理 | 第69-70页 |
| 4.3.1 水位因子 | 第69页 |
| 4.3.2 温度因子 | 第69-70页 |
| 4.3.3 大坝时效分量 | 第70页 |
| 4.3.4 其它因子 | 第70页 |
| 4.4 实例分析 | 第70-79页 |
| 4.4.1 主要环境量监测分析 | 第71-76页 |
| 4.4.2 实例 | 第76-79页 |
| 4.5 实验对比分析 | 第79-80页 |
| 4.6 本章小结 | 第80-81页 |
| 5 基于独立分量分析的多元回归分析 | 第81-98页 |
| 5.1 回归分析技术 | 第81-83页 |
| 5.1.1 概述 | 第81-82页 |
| 5.1.2 实现步骤 | 第82页 |
| 5.1.3 回归分析的研究及应用 | 第82-83页 |
| 5.2 多元线性回归分析 | 第83-87页 |
| 5.2.1 多元线性回归模型 | 第83页 |
| 5.2.2 最小二乘估计 | 第83-84页 |
| 5.2.3 确定回归系数 | 第84页 |
| 5.2.4 回归检验 | 第84-86页 |
| 5.2.5 回归预测与控制 | 第86页 |
| 5.2.6 模型的误差分析 | 第86-87页 |
| 5.3 多元线性回归存在的问题 | 第87-88页 |
| 5.4 回归方法介绍 | 第88-92页 |
| 5.4.1 岭回归 | 第88页 |
| 5.4.2 逐步回归 | 第88-89页 |
| 5.4.3 基于主成分的回归方法 | 第89-90页 |
| 5.4.4 基于偏最小二乘的回归方法 | 第90-91页 |
| 5.4.5 基于独立分量分析的回归方法 | 第91-92页 |
| 5.5 仿真实验及结果分析 | 第92-95页 |
| 5.5.1 数据模拟 | 第92-93页 |
| 5.5.2 回归结果及分析 | 第93-95页 |
| 5.6 实例比较与分析 | 第95-97页 |
| 5.7 本章小结 | 第97-98页 |
| 6 总结与展望 | 第98-100页 |
| 6.1 全文总结 | 第98页 |
| 6.2 展望 | 第98-100页 |
| 参考文献 | 第100-106页 |
| 攻读学位期间主要的研究成果 | 第106-107页 |
| 致谢 | 第107页 |
