| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-11页 |
| 第一章 绪论 | 第11-14页 |
| ·选题的目的和意义 | 第11-12页 |
| ·国内外研究状况分析 | 第12-13页 |
| ·本文的研究思路及主要工作 | 第13-14页 |
| 第二章 高边坡监控理论分析方法及预测模型研究 | 第14-20页 |
| ·高边坡监控理论分析方法及预测模型 | 第14-19页 |
| ·边坡系统的自组织特征 | 第14-15页 |
| ·边坡系统灰色理论研究 | 第15-16页 |
| ·边坡系统协同学研究 | 第16-17页 |
| ·边坡系统突变理论 | 第17-18页 |
| ·边坡系统分析、预测的人工神经网络方法 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 高边坡监测数据的分形特征分析及分形预测模型建立 | 第20-39页 |
| ·概述 | 第20-21页 |
| ·分形理论的基本概念 | 第21-24页 |
| ·分形理论简述 | 第21-22页 |
| ·分形维数的定义与计算 | 第22-24页 |
| ·岩质高边坡监测数据的分形特征分析 | 第24-33页 |
| ·重标度级差分析的时间序列法（R/S 分析方法） | 第24-26页 |
| ·工程实例 | 第26-32页 |
| ·结论 | 第32-33页 |
| ·岩质高边坡监测数据的分形预测模型 | 第33-38页 |
| ·改进的变维分形模型的建立 | 第33-35页 |
| ·工程实例 | 第35-37页 |
| ·结论 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 高边坡监测数据的混沌特征分析及混沌预测模型建立 | 第39-57页 |
| ·概述 | 第39-40页 |
| ·混沌的概念 | 第40-41页 |
| ·混沌的基本定义 | 第40-41页 |
| ·混沌的基本特征 | 第41页 |
| ·高边坡监测数据系统的相空间重构 | 第41-47页 |
| ·相空间重构技术 | 第42-43页 |
| ·相空间重构参数的选取 | 第43-47页 |
| ·高边坡监测数据系统的混沌特征量 | 第47-50页 |
| ·关联维数d_2 | 第47-48页 |
| ·Lyapunov 指数 | 第48-50页 |
| ·高边坡监测数据时间序列预测混沌模型 | 第50-52页 |
| ·基于Lyapunov 指数的时间序列预测模式 | 第50-51页 |
| ·模型的可预测时间 | 第51页 |
| ·高边坡监测数据时间序列预测混沌模型的计算过程 | 第51-52页 |
| ·工程实例 | 第52-55页 |
| ·本章小节 | 第55-57页 |
| 第五章 结论与展望 | 第57-59页 |
| ·结论 | 第57-58页 |
| ·展望 | 第58-59页 |
| 参考文献 | 第59-62页 |