基于支持向量机的岩土非线性变形行为预测研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 目录 | 第9-13页 |
| 第一章 绪论 | 第13-31页 |
| ·研究的背景和意义 | 第13-14页 |
| ·岩土体非线性变形行为预测 | 第14-22页 |
| ·变形行为预测的分类 | 第14-15页 |
| ·基于位移信息的时序预测方法 | 第15-22页 |
| ·支持向量机与岩土体变形行为预测 | 第22-29页 |
| ·岩土体变形行为的小样本问题 | 第22页 |
| ·支持向量机的理论背景和特点 | 第22-23页 |
| ·支持向量机方法的研究现状 | 第23-28页 |
| ·支持向量机在变形行为预测方面的不足 | 第28-29页 |
| ·论文的主要工作和结构安排 | 第29-31页 |
| ·主要工作 | 第29页 |
| ·结构安排 | 第29-31页 |
| 第二章 统计学习理论与支持向量机 | 第31-48页 |
| ·引言 | 第31-32页 |
| ·机器学习的基本问题 | 第32-34页 |
| ·学习问题的表示 | 第32页 |
| ·经验风险最小化归纳原则 | 第32-33页 |
| ·推广能力、模型复杂度和样本量 | 第33-34页 |
| ·统计学习理论 | 第34-37页 |
| ·学习过程的一致性 | 第34-35页 |
| ·Vapnik-Chervonenkis维 | 第35页 |
| ·学习机推广能力的界 | 第35-36页 |
| ·小样本归纳推理原则 | 第36-37页 |
| ·支持向量机原理与算法 | 第37-46页 |
| ·标准支持向量机 | 第37-40页 |
| ·用于回归的支持向量机 | 第40-43页 |
| ·支持向量机的超参数 | 第43页 |
| ·算例 | 第43-46页 |
| ·基于支持向量机变形行为预测的基本步骤 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第三章 岩土体变形时序的数据表示 | 第48-70页 |
| ·引言 | 第48页 |
| ·时序序列数据的预处理 | 第48-51页 |
| ·数据标准化 | 第48-50页 |
| ·小波去噪 | 第50-51页 |
| ·有限样本数据的再生技术 | 第51-53页 |
| ·插值再生 | 第51-52页 |
| ·Boostrap重采样再生 | 第52-53页 |
| ·有限样本数据的重构技术 | 第53-68页 |
| ·坐标空间变换重构 | 第54-55页 |
| ·相空间变换重构 | 第55-62页 |
| ·算例 | 第62-68页 |
| ·本章小结 | 第68-70页 |
| 第四章 核函数的选择和构造 | 第70-95页 |
| ·引言 | 第70页 |
| ·支持向量机的核映射 | 第70-73页 |
| ·由核定义的非线性特征映射 | 第70-73页 |
| ·核矩阵 | 第73页 |
| ·核函数的选择 | 第73-78页 |
| ·基本Mercer核及其分类 | 第73-76页 |
| ·变形时序的核函数选择 | 第76-78页 |
| ·核函数构造 | 第78-94页 |
| ·从核的封闭运算上构造核函数 | 第78-80页 |
| ·以先验知识调整核函数或核矩阵 | 第80-82页 |
| ·其他方式的核函数构造 | 第82-86页 |
| ·算例 | 第86-94页 |
| ·本章小结 | 第94-95页 |
| 第五章 支持向量机的超参数选择 | 第95-117页 |
| ·引言 | 第95页 |
| ·支持向量回归机的模型性能评估 | 第95-97页 |
| ·训练与测试 | 第95-96页 |
| ·交叉验证 | 第96页 |
| ·自引导法 | 第96-97页 |
| ·超参数的选择 | 第97-101页 |
| ·损失函数的相关参数取值 | 第97-99页 |
| ·惩罚参数C的选取 | 第99-100页 |
| ·高斯核函数参数σ的选择 | 第100-101页 |
| ·试验设计的超参数选择 | 第101-106页 |
| ·试验设计与经验选择 | 第101-102页 |
| ·方法思路 | 第102页 |
| ·参数取值范围 | 第102-103页 |
| ·试验设计 | 第103页 |
| ·算例 | 第103-106页 |
| ·集成原理的超参数选择 | 第106-116页 |
| ·集成原理 | 第106-110页 |
| ·Boosting-SVR算法 | 第110-111页 |
| ·算例 | 第111-116页 |
| ·本章小结 | 第116-117页 |
| 第六章 非稳定型变形时序的SVR外推预测 | 第117-153页 |
| ·引言 | 第117-118页 |
| ·泛化性能与外推预测 | 第118页 |
| ·模式辨识下的SVR外推预测 | 第118-142页 |
| ·方法思路 | 第119页 |
| ·斜坡变形时序的外延模式 | 第119-121页 |
| ·模式辨识专家系统的开发 | 第121-133页 |
| ·算例 | 第133-142页 |
| ·范例推理的变形时序外推预测 | 第142-152页 |
| ·范例推理 | 第143-144页 |
| ·变形时序外推预测的范例推理 | 第144-147页 |
| ·算例 | 第147-152页 |
| ·本章小结 | 第152-153页 |
| 第七章 总结与展望 | 第153-156页 |
| 参考文献 | 第156-169页 |
| 附录 | 第169-173页 |
| 致谢 | 第173-174页 |
| 攻读学位期间主要研究成果 | 第174-175页 |
| 一、发表和录用的学术论文 | 第174页 |
| 二、参加的科研项目 | 第174-175页 |
