| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·前言 | 第10页 |
| ·大坝安全监测的目的及意义 | 第10-12页 |
| ·大坝安全监测模型的研究发展现状 | 第12-14页 |
| ·本文的主要研究内容及技术路线 | 第14-16页 |
| ·本文的主要研究内容 | 第14-15页 |
| ·本文研究的技术路线 | 第15-16页 |
| 第二章 神经网络理论及经典BP神经网络 | 第16-27页 |
| ·神经网络的发展史 | 第16-17页 |
| ·神经网络的基本原理 | 第17-19页 |
| ·人工神经网络的基本概念 | 第17-18页 |
| ·神经元数学模型 | 第18-19页 |
| ·人工神经网络的特点 | 第19页 |
| ·BP算法的神经网络 | 第19-23页 |
| ·BP算法的思路 | 第19-20页 |
| ·BP算法的数学描述 | 第20-23页 |
| ·BP网络的局限性 | 第23-24页 |
| ·BP网络结构及其工程应用难点分析 | 第24-27页 |
| ·隐含层数的选择 | 第24-25页 |
| ·隐含层内节点数的确定 | 第25页 |
| ·激活函数和训练函数的确定 | 第25页 |
| ·初始权值的设置 | 第25-27页 |
| 第三章 BP神经网络的改进及其与遗传算法的结合 | 第27-38页 |
| ·改进的LM—BP神经网络 | 第27-30页 |
| ·Gauss—Newton算法 | 第27-28页 |
| ·Levenberg—Marquardt算法 | 第28-30页 |
| ·采用LM算法进行网络训练的过程 | 第30页 |
| ·神经网络在大坝监测预报中存在的问题 | 第30-31页 |
| ·遗传算法理论 | 第31-36页 |
| ·遗传算法的发展 | 第31页 |
| ·遗传算法的基本概念和操作 | 第31-33页 |
| ·遗传算法的模式定理 | 第33-36页 |
| ·遗传算法的特点 | 第36页 |
| ·遗传算法与LM—BP算法网络相结合的可行性分析 | 第36-38页 |
| 第四章 小浪底大坝变形监测现状及原型资料分析 | 第38-47页 |
| ·小浪底水利枢纽工程概况 | 第38-39页 |
| ·工程简介 | 第38页 |
| ·工程设计条件 | 第38-39页 |
| ·小浪底大坝变形监测现状 | 第39-45页 |
| ·小浪底大坝安全监测点的总体布设 | 第39页 |
| ·小浪底大坝的外部变形监测概况 | 第39-41页 |
| ·小浪底大坝的外部变形监测工作现状 | 第41-42页 |
| ·小浪底大坝的现有原型资料分析 | 第42-45页 |
| ·问题的提出及研究思路 | 第45-47页 |
| ·问题的提出 | 第45页 |
| ·针对小浪底大坝变形分析的研究思路 | 第45-47页 |
| 第五章 GA—LMBP网络模型在小浪底大坝变形监测中的应用 | 第47-61页 |
| ·GA—LMBP网络的大坝监测模型设计 | 第47-50页 |
| ·神经网络的编码及描述方法 | 第47页 |
| ·大坝变形监测的神经网络模型输入输出节点的选择 | 第47-49页 |
| ·样本数据的归一化处理 | 第49页 |
| ·GA—LMBP网络的大坝监测模型的设计 | 第49-50页 |
| ·GA—LMBP网络模型在小浪底大坝一维变形监测中的应用 | 第50-55页 |
| ·神经网络模型的相关设置 | 第50-51页 |
| ·遗传算法相关设置 | 第51页 |
| ·三种模型在小浪底大坝垂直变形监测应用结果分析 | 第51-55页 |
| ·GA—LMBP网络模型在小浪底大坝三维变形监测中的应用 | 第55-60页 |
| ·小浪底大坝的监测数据预处理 | 第56页 |
| ·GA—LMBP网络模型的相关设置 | 第56页 |
| ·GA—LMBP网络模型的小浪底大坝三维变形监测应用结果分析 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 结论和展望 | 第61-63页 |
| 结论 | 第61页 |
| 展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66页 |
