| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-16页 |
| 1.1 选题背景及意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 数据分析研究现状 | 第9-10页 |
| 1.2.2 数据预测模型研究现状 | 第10-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 组织结构及技术路线图 | 第14-15页 |
| 1.4.1 组织结构 | 第14页 |
| 1.4.2 技术路线图 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 LMD方法的理论研究及算法改进 | 第16-34页 |
| 2.1 LMD方法 | 第16-27页 |
| 2.1.1 与LMD相关的基本概念 | 第16-18页 |
| 2.1.2 LMD原理和算法 | 第18-21页 |
| 2.1.3 基于LMD的瞬时频率求取方法 | 第21-23页 |
| 2.1.4 与其它时频分析方法的比较 | 第23-27页 |
| 2.2 LMD算法研究及改进 | 第27-32页 |
| 2.3 本章小结 | 第32-34页 |
| 第3章 基于改进LMD的大坝变形数据特征提取 | 第34-50页 |
| 3.1 LMD方法的概述及改进 | 第34-36页 |
| 3.1.1 LMD方法的概述 | 第34页 |
| 3.1.2 LMD方法的改进 | 第34-36页 |
| 3.2 LMD方法与EMD方法的比较 | 第36-40页 |
| 3.2.1 经验模态分解介绍 | 第36-37页 |
| 3.2.2 LMD与EMD分解对比分析 | 第37-40页 |
| 3.3 改进LMD方法在大坝变形数据特征提取中的应用 | 第40-49页 |
| 3.3.1 实验信号分析 | 第40-45页 |
| 3.3.2 改进-LMD方法提取变形特征量 | 第45-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 基于LMD多尺度变形预测分析 | 第50-64页 |
| 4.1 LMD研究方法及实例分析 | 第50-54页 |
| 4.1.1 基本理论 | 第50-51页 |
| 4.1.1.1 LMD基本原理 | 第50页 |
| 4.1.1.2 BP神经网络原理 | 第50-51页 |
| 4.1.1.3 LMD-BP预测模型 | 第51页 |
| 4.1.2 实例阐述及数据预处理 | 第51-52页 |
| 4.1.3 LMD-BP模型预测及结果分析 | 第52-54页 |
| 4.2 MLMD研究内容及实例分析 | 第54-63页 |
| 4.2.1 理论阐述 | 第54-58页 |
| 4.2.1.1 MLMD基本原理 | 第54-55页 |
| 4.2.1.2 快速近似熵算法 | 第55-56页 |
| 4.2.1.3 LSSVM | 第56-58页 |
| 4.2.2 基于MLMD的快速近似熵-LSSVM的大坝预测模型 | 第58-59页 |
| 4.2.2.1 数据预处理 | 第58-59页 |
| 4.2.2.2 建模过程 | 第59页 |
| 4.2.3 结果与分析 | 第59-63页 |
| 4.3 本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读学位期间科研成果及参加项目 | 第70-72页 |
| 致谢 | 第72页 |