| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 论文研究意义 | 第8-9页 |
| 1.2 国内外研究的历史与现状 | 第9-10页 |
| 1.2.1 监测方法的研究现状 | 第9页 |
| 1.2.2 预测预报的研究现状 | 第9-10页 |
| 1.3 本文的研究目的及内容 | 第10-12页 |
| 1.3.1 研究目的 | 第10-11页 |
| 1.3.2 研究内容 | 第11-12页 |
| 第二章 边坡变形特征及影响因素分析 | 第12-16页 |
| 2.1 边坡变形特征和破坏模式 | 第12-13页 |
| 2.1.1 边坡岩体的变形特征 | 第12页 |
| 2.1.2 边坡岩体的破坏模式 | 第12-13页 |
| 2.2 边坡稳定性影响因素分析 | 第13-16页 |
| 2.2.1 岩体特征因素 | 第13-14页 |
| 2.2.2 内部影响因素 | 第14页 |
| 2.2.3 外部环境影响因素 | 第14-16页 |
| 第三章 基于灰色神经网络的边坡稳定性分析组合模型 | 第16-28页 |
| 3.1 边坡稳定性分析的灰色系统理论预测模型 | 第16-21页 |
| 3.1.1 灰色系统理论基本原理 | 第16-17页 |
| 3.1.2 灰色系统理论数理基础 | 第17-19页 |
| 3.1.3 灰色关联分析 | 第19-20页 |
| 3.1.4 灰色系统模型的建立 | 第20-21页 |
| 3.2 基于人工神经网络的边坡稳定性分析模型 | 第21-25页 |
| 3.2.1 人工神经网络概述 | 第21页 |
| 3.2.2 BP 神经网络模型 | 第21-22页 |
| 3.2.3 基于遗传算法的 BP 神经网络模型 | 第22-24页 |
| 3.2.4 基于 BP 算法的多层前馈网络设计 | 第24-25页 |
| 3.3 灰色系统─神经网络组合模型的建立 | 第25-28页 |
| 3.3.1 灰色系统─神经网络组合模型基本原理 | 第25页 |
| 3.3.2 灰色神经网络在边坡稳定性分析中的应用 | 第25-26页 |
| 3.3.3 灰色系统─神经网络组合模型预测精度的检验 | 第26-28页 |
| 第四章 基于 MATLAB 的灰色神经网络预测程序设计 | 第28-40页 |
| 4.1 基于 MATLAB 软件的灰色神经网络系统建模 | 第28-30页 |
| 4.1.1 MATLAB 软件简介 | 第28页 |
| 4.1.2 MATLAB 神经网络工具箱基本函数说明 | 第28-29页 |
| 4.1.3 边坡稳定性灰色神经网络组合模型的建立 | 第29-30页 |
| 4.2 灰色神经网络预测程序设计 | 第30-37页 |
| 4.3 灰色神经网络模型参数选取 | 第37-38页 |
| 4.3.1 样本数据导入 | 第37-38页 |
| 4.3.2 样本数据预处理 | 第38页 |
| 4.4 网络训练及误差分析 | 第38-40页 |
| 4.4.1 模拟与仿真 | 第38-39页 |
| 4.4.2 样本检验及误差分析 | 第39-40页 |
| 第五章 灰色神经网络组合模型的工程实例应用 | 第40-45页 |
| 5.1 边坡工程地质条件 | 第40-41页 |
| 5.1.1 边坡概况 | 第40页 |
| 5.1.2 地层岩性及水文地质条件 | 第40-41页 |
| 5.1.3 地质构造 | 第41页 |
| 5.2 边坡稳定性影响因素分析 | 第41-42页 |
| 5.3 灰色神经网络组合模型在边坡实例中的应用 | 第42-45页 |
| 第六章 总结与展望 | 第45-47页 |
| 6.1 总结 | 第45页 |
| 6.2 研究展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士学位期间发表论文 | 第51-52页 |
| 详细中文摘要 | 第52-53页 |
| 详细英文摘要 | 第53-54页 |
