变形监测数据处理的方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究意义 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.3 存在的问题及研究思路 | 第14-15页 |
| 1.4 本文的研究内容和组织结构 | 第15-16页 |
| 1.4.1 研究内容 | 第15页 |
| 1.4.2 组织结构 | 第15-16页 |
| 2 常用的变形预报模型及其性能分析 | 第16-26页 |
| 2.1 常用的变形预报模型 | 第16-23页 |
| 2.1.1 多元线性回归分析 | 第16-18页 |
| 2.1.2 灰色系统分析模型 | 第18-20页 |
| 2.1.3 时间序列模型 | 第20-21页 |
| 2.1.4 卡尔曼滤波模型 | 第21-23页 |
| 2.2 算例分析 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 3 组合预报模型在变形监测中的应用 | 第26-31页 |
| 3.1 引言 | 第26页 |
| 3.2 组合模型的基本原理 | 第26-28页 |
| 3.2.1 经典权方法 | 第26-27页 |
| 3.2.2 最优权方法 | 第27-28页 |
| 3.3 组合模型计算实例 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 变形监测中缺失数据的处理方法 | 第31-41页 |
| 4.1 删除法 | 第31页 |
| 4.2 填补法 | 第31-35页 |
| 4.3 卡尔曼滤波 | 第35-36页 |
| 4.4 多传感器融合处理方法 | 第36-39页 |
| 4.5 本章小结 | 第39-41页 |
| 5 EM算法及其在变形监测中的应用 | 第41-46页 |
| 5.1 引言 | 第41页 |
| 5.2 EM算法的基本原理 | 第41-42页 |
| 5.3 改进了的EM算法 | 第42页 |
| 5.4 利用AR(n)模型对监测数据进行预报 | 第42-43页 |
| 5.5 计算实例 | 第43-45页 |
| 5.6 本章小结 | 第45-46页 |
| 6 总结与展望 | 第46-48页 |
| 6.1 本文总结 | 第46-47页 |
| 6.2 展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |
| 攻读硕士学位期间主要研究成果 | 第53页 |
