基于相空间重构理论的滑坡预测研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 第1章 引言 | 第8-14页 |
| ·选题依据 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·研究内容及主要技术路线 | 第11-12页 |
| ·研究内容 | 第11-12页 |
| ·主要技术路线 | 第12页 |
| ·论文主要创新点 | 第12-14页 |
| 第2章 理论基础 | 第14-22页 |
| ·相空间重构理论 | 第14-16页 |
| ·重构相空间 | 第14页 |
| ·嵌入延迟的确定 | 第14-15页 |
| ·嵌入维数的确定 | 第15-16页 |
| ·盲信号分离理论 | 第16-18页 |
| ·盲信号分离与独立分量分析 | 第16-17页 |
| ·负熵最大化和FastICA算法 | 第17-18页 |
| ·统计学习理论与支持向量机 | 第18-22页 |
| ·统计学习理论 | 第18-19页 |
| ·支持向量机 | 第19-22页 |
| 第3章 基于相空间重构理论的滑坡位移数据降噪 | 第22-32页 |
| ·数据的插值 | 第22页 |
| ·改进的局部平均降噪方法 | 第22-26页 |
| ·局部平均降噪方法 | 第22-23页 |
| ·改进的局部平均降噪方法 | 第23-26页 |
| ·盲信号分离降噪方法 | 第26-28页 |
| ·盲信号分离降噪算法 | 第26-28页 |
| ·位移信号重建 | 第28页 |
| ·仿真试验 | 第28-32页 |
| 第4章 基于免疫支持向量机的滑坡位移预测 | 第32-41页 |
| ·基于相空间重构的传统预测方法 | 第32-34页 |
| ·全局预测法 | 第32页 |
| ·局域预测法 | 第32-34页 |
| ·免疫支持向量机预测法 | 第34-41页 |
| ·支持向量机预测法 | 第34-36页 |
| ·SVM核函数和参数的选择 | 第36页 |
| ·免疫克隆选择算法 | 第36-38页 |
| ·免疫支持向量机预测算法 | 第38-41页 |
| 第5章 应用实例 | 第41-53页 |
| ·滑坡位移时间序列相空间重构 | 第41-43页 |
| ·数据降噪 | 第43-49页 |
| ·改进的局部平均降噪法的应用 | 第43-46页 |
| ·盲信号分离降噪法的应用 | 第46-49页 |
| ·局域加权预测法实现滑坡预测 | 第49-50页 |
| ·免疫支持向量机预测 | 第50-53页 |
| 第6章 结论与建议 | 第53-55页 |
| ·结论 | 第53页 |
| ·建议 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-57页 |
