小波神经网络在大坝变形预测中的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 大坝变形监测的研究目的和意义 | 第10-11页 |
| 1.3 大坝变形分析与预测的研究现状 | 第11-12页 |
| 1.4 本论文的主要内容和组织结构 | 第12-14页 |
| 第二章 大坝变形监测技术与预测方法 | 第14-21页 |
| 2.1 大坝变形监测技术 | 第14-16页 |
| 2.2 大坝变形分析与预测方法 | 第16-19页 |
| 2.3 大坝变形预测方法分析 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 小波神经网络基本原理 | 第21-42页 |
| 3.1 小波理论 | 第21-30页 |
| 3.1.1 小波的发展简史 | 第21页 |
| 3.1.2 小波变换 | 第21-23页 |
| 3.1.3 多分辨分析 | 第23-25页 |
| 3.1.4 Mallat 算法 | 第25-26页 |
| 3.1.5 常用小波函数 | 第26-30页 |
| 3.2 人工神经网络基本原理 | 第30-38页 |
| 3.2.1 人工神经网络简介 | 第30-31页 |
| 3.2.2 人工神经网络的结构 | 第31-33页 |
| 3.2.3 常用激活函数 | 第33-34页 |
| 3.2.4 BP 网络及其算法 | 第34-38页 |
| 3.3 小波神经网络 | 第38-41页 |
| 3.3.1 小波神经网络概述 | 第38-39页 |
| 3.3.2 小波神经网络的类型 | 第39页 |
| 3.3.3 小波神经网络的学习算法 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于小波神经网络的大坝变形预测模型的建立 | 第42-51页 |
| 4.1 大坝形变的影响因子 | 第42-44页 |
| 4.1.1 大坝的分类 | 第42页 |
| 4.1.2 形变的影响因子 | 第42-44页 |
| 4.2 小波神经网络的结构设计 | 第44-46页 |
| 4.2.1 小波函数的选择 | 第44页 |
| 4.2.2 隐含层的设计 | 第44-46页 |
| 4.3 大坝变形预测的小波神经网络算法 | 第46-48页 |
| 4.3.1 数据样本的剔除与划分 | 第46页 |
| 4.3.2 训练样本的学习方法 | 第46-47页 |
| 4.3.3 样本的归一化 | 第47页 |
| 4.3.4 小波神经网络参数的初始化 | 第47-48页 |
| 4.3.5 网络参数的自适应调整 | 第48页 |
| 4.4 大坝变形预测的小波神经网络流程图 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 小波神经网络模型在大坝变形预测中的应用 | 第51-61页 |
| 5.1 拦渣坝变形监测工程介绍 | 第51-53页 |
| 5.1.1 工程概况 | 第51页 |
| 5.1.2 拦渣坝变形监测 | 第51-53页 |
| 5.2 拦渣坝网络结构的确定 | 第53-54页 |
| 5.3 网络模型的训练 | 第54-58页 |
| 5.4 网络的预测结果 | 第58-60页 |
| 5.5 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 总结 | 第61-62页 |
| 展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66页 |
