边坡自动化监测数据缺失填补算法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-12页 |
| 1.3 本文研究重点技术路线 | 第12-14页 |
| 1.3.1 研究重点 | 第12-13页 |
| 1.3.2 技术路线图 | 第13-14页 |
| 1.4 论文思路及结构安排 | 第14-15页 |
| 第二章 数据缺失的原因及分析 | 第15-21页 |
| 2.1 缺失数据概述 | 第15页 |
| 2.2 数据缺失原因 | 第15-17页 |
| 2.3 数据缺失类型研究 | 第17-20页 |
| 2.3.1 基于数据缺失模式的分类 | 第17-19页 |
| 2.3.2 基于数据缺失机制的分类 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 缺失数据填补算法研究 | 第21-30页 |
| 3.1 缺失数据填补准则 | 第21-23页 |
| 3.2 传统方法 | 第23-25页 |
| 3.2.1 成列删除 | 第23页 |
| 3.2.2 成对删除 | 第23-24页 |
| 3.2.3 插补法 | 第24-25页 |
| 3.2.4 其它方法 | 第25页 |
| 3.3 ELMAN神经网络算法 | 第25-29页 |
| 3.3.1 Elman神经网络结构 | 第25-27页 |
| 3.3.2 Elman神经网络原理 | 第27-29页 |
| 3.4 时间序列 | 第29页 |
| 3.4.1 时间序列分析 | 第29页 |
| 3.4.2 ARMA模型 | 第29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 边坡自动化监测系统缺失数据特点研究 | 第30-48页 |
| 4.1 工程实例概况 | 第30-37页 |
| 4.1.1 自动化监测系统简介 | 第31-36页 |
| 4.1.2 边坡概况 | 第36-37页 |
| 4.1.3 监测点布设 | 第37页 |
| 4.2 自动化监测系统特点分析 | 第37-41页 |
| 4.3 边坡自动化监测缺失数据分析 | 第41-47页 |
| 4.3.1 边坡自动化监测系统数据缺失类型 | 第41-43页 |
| 4.3.2 边坡自动化监测系统中数据特点 | 第43-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于不同算法的缺失数据填补实验研究 | 第48-63页 |
| 5.1 基于时间序列回归预测模型缺失数据填补 | 第48-53页 |
| 5.1.1 数据预处理 | 第48页 |
| 5.1.2 时间序列分析 | 第48页 |
| 5.1.3 计算周期因子 | 第48-50页 |
| 5.1.4 时间序列回归预测模型源代码 | 第50-53页 |
| 5.2 基于Elman神经网络模型缺失数据填补 | 第53-58页 |
| 5.2.1 数据预处理 | 第53页 |
| 5.2.2 确定隐含层节点数 | 第53-54页 |
| 5.2.3 仿真训练 | 第54-57页 |
| 5.2.4 Elman神经网络模型填补数据源代码 | 第57-58页 |
| 5.3 实验分析 | 第58-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 结论与展望 | 第63-65页 |
| 6.1 结论 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第70页 |
