| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·大坝安全监控统计模型研究概述 | 第8-11页 |
| ·大坝安全监控统计模型研究的目的和意义 | 第8-9页 |
| ·大坝安全监控统计模型研究进展 | 第9-11页 |
| ·卡尔曼滤波技术概述 | 第11-13页 |
| ·本文主要工作 | 第13-14页 |
| 2 常用统计建模方法概述 | 第14-46页 |
| ·大坝监控统计模型 | 第14-31页 |
| ·重力坝变形监控统计模型 | 第14-19页 |
| ·土石坝变形监控统计模型 | 第19-25页 |
| ·渗流监控统计模型 | 第25-30页 |
| ·应力应变监控统计模型 | 第30-31页 |
| ·小结 | 第31页 |
| ·统计建模方法 | 第31-45页 |
| ·多元线性回归分析 | 第31-37页 |
| ·逐步回归方法 | 第37-41页 |
| ·时间序列分析法 | 第41-43页 |
| ·BP神经网络法 | 第43页 |
| ·小波分析技术 | 第43-44页 |
| ·灰色系统分析 | 第44页 |
| ·Kalman滤波 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 3 Kalman 滤波回归统计模型 | 第46-73页 |
| ·卡尔曼滤波基本理论 | 第46-50页 |
| ·卡尔曼滤波理论基础 | 第46-48页 |
| ·实用卡尔曼滤波技术研究概况 | 第48-50页 |
| ·随机线性离散系统的Kalman滤波方程 | 第50-53页 |
| ·基于 Kalman 滤波的渗流统计模型 | 第53-64页 |
| ·统计模型及因子选择 | 第53-54页 |
| ·回归模型及精度分析 | 第54-55页 |
| ·Kalman滤波的渗流统计模型 | 第55-61页 |
| ·大坝安全评价分析 | 第61-64页 |
| ·基于Kalman滤波的应变统计模型 | 第64-71页 |
| ·统计模型及因子选择 | 第65-66页 |
| ·回归模型及精度分析 | 第66-67页 |
| ·Kalman 滤波的应变统计模型 | 第67-70页 |
| ·时效分析 | 第70-71页 |
| ·本章小结 | 第71-73页 |
| 4 小波多尺度 Kalman 滤波回归统计模型 | 第73-80页 |
| ·引言 | 第73页 |
| ·小波变换理论基础 | 第73-75页 |
| ·小波变换的定义 | 第73-74页 |
| ·Mallat算法 | 第74-75页 |
| ·Donoho去噪方法 | 第75页 |
| ·小波多尺度卡尔曼滤波回归统计模型 | 第75-79页 |
| ·小波去噪 | 第76页 |
| ·小波多尺度卡尔曼滤波回归统计模型的建立 | 第76-77页 |
| ·结果分析 | 第77-79页 |
| ·本章小结 | 第79-80页 |
| 5 BP神经网络与高阶非线性 Kalman 滤波在大坝安全监控模型中的联合应用 | 第80-93页 |
| ·引言 | 第80-81页 |
| ·BP神经网络的基本理论 | 第81-83页 |
| ·BP网络的拓扑结构 | 第81-82页 |
| ·BP网络的学习算法 | 第82-83页 |
| ·随机非线性离散系统扩展 Kalman 滤波 | 第83-85页 |
| ·基于高阶非线性 Kalman 滤波的BP神经网络在线训练方法 | 第85-91页 |
| ·基本原理 | 第85-86页 |
| ·算例分析 | 第86-91页 |
| ·本章小结 | 第91-93页 |
| 6 总结与展望 | 第93-96页 |
| ·研究成果 | 第93-94页 |
| ·工作展望 | 第94-96页 |
| 致谢 | 第96-97页 |
| 参考文献 | 第97-103页 |
| 在校期间发表论文情况 | 第103页 |