基于小波与灰色模型的滑坡时间预测预报
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 论文的研究背景 | 第8-9页 |
| 1.2 滑坡预测预报研究目的和意义 | 第9-10页 |
| 1.3 滑坡灾害时间预测预报及其发展趋势 | 第10-12页 |
| 1.4 论文的主要内容 | 第12-13页 |
| 第二章 滑坡监测技术与预测模型 | 第13-15页 |
| 2.1 滑坡监测技术 | 第13页 |
| 2.2 滑坡预报模型 | 第13-15页 |
| 第三章 小波理论 | 第15-36页 |
| 3.1 小波变换 | 第15-20页 |
| 3.1.1 小波变换原理 | 第16页 |
| 3.1.2 小波变换分类 | 第16-20页 |
| 3.2 多分辨率分析 | 第20-22页 |
| 3.3 Mallat 算法 | 第22-25页 |
| 3.3.1 Mallat 算法综述 | 第22-23页 |
| 3.3.2 Mallat 分解算法 | 第23-24页 |
| 3.3.3 Mallat 合成算法 | 第24-25页 |
| 3.4 常用的小波函数 | 第25-29页 |
| 3.5 小波变换用于信号降噪的原理 | 第29-32页 |
| 3.5.1 基本降噪模型与原理 | 第29-31页 |
| 3.5.2 一维信号降噪步骤 | 第31-32页 |
| 3.6 非线性小波变换阈值法 | 第32-34页 |
| 3.6.1 算法实现 | 第32页 |
| 3.6.2 阈值的选取 | 第32-34页 |
| 3.7 小波降噪效果评价指标 | 第34-36页 |
| 第四章 灰色理论及滑坡灰色预测模型 | 第36-48页 |
| 4.1 灰色系统介绍 | 第36-37页 |
| 4.2 滑坡监测数据的生成 | 第37-41页 |
| 4.2.1 累加生成(AGO) | 第38-39页 |
| 4.2.2 累减生成（IAGO） | 第39-40页 |
| 4.2.3 均值生成 | 第40页 |
| 4.2.4 级比生成 | 第40-41页 |
| 4.3 滑坡预测灰色建模方法 | 第41-45页 |
| 4.3.1 灰色模型的一般形式（GM(n,h)） | 第41-42页 |
| 4.3.2 GM(1.1)模型 | 第42-45页 |
| 4.4 GM(1,1)模型的精度检验 | 第45-48页 |
| 4.4.1 相对误差检验法 | 第45页 |
| 4.4.2 后验差检验法 | 第45-46页 |
| 4.4.3 关联度检验法 | 第46-48页 |
| 第五章 小波降噪与灰色模型预测的实例分析 | 第48-58页 |
| 5.1 新滩滑坡简介[1][31][33] | 第48-49页 |
| 5.1.1 滑坡复活的地质环境 | 第48页 |
| 5.1.2 新滩滑坡的基本特征 | 第48-49页 |
| 5.2 滑坡监测数据的小波降噪处理 | 第49-55页 |
| 5.2.1 小波阈值法降噪 | 第50-54页 |
| 5.2.2 去噪结果分析 | 第54-55页 |
| 5.3 滑坡时间的灰色预测预报 | 第55-58页 |
| 5.3.1 滑坡灰色模型预测 | 第55-57页 |
| 5.3.2 时间预测结果分析 | 第57-58页 |
| 结论与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |
