| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第11-15页 |
| 1.1 选题背景与研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究目标、研究内容 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 2 常用的变形分析模型与组合模型概述 | 第15-29页 |
| 2.1 常用的变形分析模型 | 第15-26页 |
| 2.1.1 GM(1,1)模型 | 第15-17页 |
| 2.1.2 时间序列模型 | 第17-20页 |
| 2.1.3 卡尔曼滤波模型 | 第20-23页 |
| 2.1.4 BP神经网络模型 | 第23-26页 |
| 2.2 模型性能分析与组合模型概述 | 第26-27页 |
| 2.2.1 模型性能分析 | 第26-27页 |
| 2.2.2 组合模型概述 | 第27页 |
| 2.3 本章小结 | 第27-29页 |
| 3 串联式组合预测模型 | 第29-45页 |
| 3.1 概述 | 第29页 |
| 3.2 残差修正串联式组合预测方法 | 第29-30页 |
| 3.3 改进粒子群算法 | 第30-38页 |
| 3.3.1 标准粒子群算法 | 第30页 |
| 3.3.2 AWSPSO算法 | 第30-32页 |
| 3.3.3 AWSPSO算法的建模步骤 | 第32-33页 |
| 3.3.4 测试分析 | 第33-38页 |
| 3.4 AWSPSO-BP与GM(1,1)串联式残差修正组合预测模型 | 第38-41页 |
| 3.4.1 组合建模的必要性 | 第38-39页 |
| 3.4.2 组合模型的建模步骤 | 第39-41页 |
| 3.5 实例分析 | 第41-43页 |
| 3.5.1 网型的确定 | 第41-42页 |
| 3.5.2 网络训练与测试 | 第42-43页 |
| 3.6 本章小结 | 第43-45页 |
| 4 并联式组合预测模型 | 第45-63页 |
| 4.1 概述 | 第45页 |
| 4.2 并联式组合模型分类 | 第45-46页 |
| 4.3 并联式定权组合模型 | 第46-50页 |
| 4.3.1 定权系数确定准则 | 第46-48页 |
| 4.3.2 定权组合模型精度分析 | 第48-49页 |
| 4.3.3 并联式定权组合模型的不足 | 第49-50页 |
| 4.4 基于二阶预测有效度诱导有序算子的并联式变权组合模型 | 第50-55页 |
| 4.4.1 概述 | 第50页 |
| 4.4.2 二阶预测有效度 | 第50-52页 |
| 4.4.3 IOWGA算子 | 第52页 |
| 4.4.4 二阶预测有效度IOWGA算子变权组合建模及求解 | 第52-55页 |
| 4.5 精度评价 | 第55页 |
| 4.6 实验仿真分析 | 第55-61页 |
| 4.7 本章小结 | 第61-63页 |
| 5 组合模型在沉降监测中的应用 | 第63-75页 |
| 5.1 数据来源 | 第63-64页 |
| 5.2 串联式组合预测模型 | 第64-67页 |
| 5.2.1 网型的确定 | 第64页 |
| 5.2.2 网络训练与测试 | 第64-67页 |
| 5.3 并联式组合预测模型 | 第67-75页 |
| 5.3.1 三种单一预测模型 | 第67-68页 |
| 5.3.2 并联式定权组合模型 | 第68-69页 |
| 5.3.3 并联式变权组合模型 | 第69-75页 |
| 6 结论与展望 | 第75-77页 |
| 6.1 结论 | 第75-76页 |
| 6.2 展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 攻读硕士学位期间研究成果 | 第83页 |
