基于小波理论的变形监测数据处理模型的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-14页 |
| ·选题的意义及目的 | 第7-8页 |
| ·变形监测数据处理方法概述 | 第8-11页 |
| ·线性回归分析法 | 第9页 |
| ·时间序列分析法 | 第9页 |
| ·灰色系统 | 第9-10页 |
| ·卡尔曼滤波 | 第10页 |
| ·人工神经网络 | 第10-11页 |
| ·存在的问题 | 第11页 |
| ·小波分析的发展 | 第11-12页 |
| ·小波理论在变形分析中的研究现状 | 第12-13页 |
| ·本文研究的主要内容 | 第13-14页 |
| 第2章 小波及小波包理论 | 第14-24页 |
| ·小波变换 | 第14-17页 |
| ·连续小波变换 | 第15页 |
| ·离散小波变换 | 第15-16页 |
| ·二进小波变换 | 第16-17页 |
| ·小波变换的时域窗口 | 第17页 |
| ·多分辨分析 | 第17-19页 |
| ·几种经典小波及其数学特性 | 第19-20页 |
| ·小波包变换 | 第20-23页 |
| ·小波包的定义与性质 | 第20-21页 |
| ·小波包性质 | 第21页 |
| ·小波包的空间分解 | 第21-22页 |
| ·小波包变换算法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 变形监测数据预处理 | 第24-36页 |
| ·引言 | 第24-25页 |
| ·小波包去噪 | 第25-32页 |
| ·小波包去噪基本原理与步骤 | 第25-26页 |
| ·信号去噪评价标准 | 第26-27页 |
| ·最优小波包基的选取 | 第27-28页 |
| ·小波包系数的阈值量化 | 第28-30页 |
| ·阈值选取准则 | 第28-29页 |
| ·阈值选取准则的改进 | 第29-30页 |
| ·仿真实验 | 第30-32页 |
| ·小波包去噪的应用 | 第32-35页 |
| ·对隧道拱顶下沉监测数据的去噪处理 | 第32-33页 |
| ·对滑坡监测数据的去噪处理 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 小波神经网络 | 第36-54页 |
| ·人工神经网络概述 | 第36页 |
| ·BP神经网络模型 | 第36-39页 |
| ·BP网络学习算法 | 第37-38页 |
| ·BP网络算法存在的问题 | 第38-39页 |
| ·BP网络算法的改进 | 第39页 |
| ·小波神经网络模型 | 第39-47页 |
| ·模型的结构形式 | 第40-41页 |
| ·小波函数的选择 | 第41-42页 |
| ·网络参数的初始化及修正 | 第42-43页 |
| ·隐含层层数及其节点数的确定 | 第43-45页 |
| ·小波神经网络的优点及其存在的问题 | 第45页 |
| ·模型的学习算法 | 第45-47页 |
| ·小波神经网络模型的应用 | 第47-52页 |
| ·模型应用于隧道拱顶下沉的分析与预测 | 第47-50页 |
| ·模型应用于滑坡分析与预测 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 第5章 结论与展望 | 第54-56页 |
| ·结论 | 第54页 |
| ·展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60-61页 |
| 硕士学位期间发表的论文及科研成果 | 第61页 |
