| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 冻土未冻水含量测定方法国内外研究进展 | 第10-14页 |
| 1.2.1 国外冻土未冻水含量研究进展 | 第10-13页 |
| 1.2.2 我国冻土未冻水含量研究现状 | 第13-14页 |
| 1.3 近红外光谱技术在土壤水分检测中的应用 | 第14-15页 |
| 1.4 本课题研究的主要内容 | 第15-16页 |
| 1.5 技术路线 | 第16-19页 |
| 2 基于近红外光谱技术的未冻水含量测定 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 近红外光谱技术的原理 | 第19页 |
| 2.3 近红外光谱仪测量含水率的原理 | 第19-20页 |
| 2.3.1 H_2O吸收谱线选取 | 第19-20页 |
| 2.4 近红外光谱技术检测冻土未冻水含量的试验方案 | 第20-26页 |
| 2.4.1 试验设备 | 第20-23页 |
| 2.4.2 试验步骤 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 近红外光谱技术测量未冻水含量的试验结果及分析 | 第27-43页 |
| 3.1 引言 | 第27页 |
| 3.2 试验数据整理 | 第27-39页 |
| 3.2.1 初始含水率22%试件的试验数据 | 第27-29页 |
| 3.2.2 初始含水率20%试件的试验数据 | 第29-32页 |
| 3.2.3 初始含水率18%试件的试验数据 | 第32-34页 |
| 3.2.4 初始含水率16%试件的试验数据 | 第34-37页 |
| 3.2.5 初始含水率14%试件的试验数据 | 第37-39页 |
| 3.3 试验数据总体分析 | 第39-42页 |
| 3.3.1 温度与时间的数据分析 | 第39-40页 |
| 3.3.2 温度与未冻水含量的数据分析 | 第40-41页 |
| 3.3.3 未冻水含量与功率的数据分析 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 基于近红外光谱技术的冻土未冻水含量数值模拟 | 第43-53页 |
| 4.1 引言 | 第43页 |
| 4.2 人工神经网络与类型选择 | 第43-44页 |
| 4.3 BP神经网络的模型及原理 | 第44-49页 |
| 4.3.1 BP神经网络的基本结构 | 第44页 |
| 4.3.2 BP神经网络的学习与训练 | 第44-45页 |
| 4.3.3 BP神经网络的算法与实现 | 第45-49页 |
| 4.3.4 BP神经网络的性能分析 | 第49页 |
| 4.4 基于近红外光谱技术的未冻水含量BP神经网络模型的构建 | 第49-52页 |
| 4.4.1 BP神经网络结构的设计 | 第49-51页 |
| 4.4.2 数值分析冻土未冻水含量的训练样本选取 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 5 冻土未冻水含量神经网络模型训练及验证 | 第53-67页 |
| 5.1 引言 | 第53页 |
| 5.2 训练过程与误差分析 | 第53-60页 |
| 5.2.1 神经网络输入输出的对应关系及曲面拟合 | 第53-54页 |
| 5.2.2 训练及测试样本的选取 | 第54页 |
| 5.2.3 训练误差与隐含层个数的关系 | 第54-58页 |
| 5.2.4 未冻水含量BP神经网络的训练及验证过程 | 第58-60页 |
| 5.3 冻土未冻水含量BP神经网络预测与实测对比分析 | 第60-61页 |
| 5.4 基于近红外光谱技术的冻土含冰量预测 | 第61-65页 |
| 5.5 含冰量BP神经网络预测与实测对比分析 | 第65-66页 |
| 5.6 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 附录 | 第72-75页 |
| 攻读学位期间发表的学术论文 | 第75-76页 |
| 致谢 | 第76-77页 |
