| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 1 绪论 | 第11-18页 |
| ·引言 | 第11-12页 |
| ·大坝安全监测的目的和意义 | 第12-13页 |
| ·大坝安全监测的目的 | 第12-13页 |
| ·大坝安全监测的意义 | 第13页 |
| ·大坝安全检测的主要项目 | 第13-14页 |
| ·国内外大坝监测资料分析理论的发展及现状 | 第14-16页 |
| ·基于大坝监测资料的正分析理论 | 第14-15页 |
| ·基于大坝监测资料的反分析理论 | 第15-16页 |
| ·大坝变形监测资料分析存在的问题 | 第16-17页 |
| ·本文研究的主要内容 | 第17-18页 |
| 2 混凝土重力坝变形监测的几种数学模型 | 第18-36页 |
| ·概述 | 第18页 |
| ·大坝变形监测的统计模型 | 第18-25页 |
| ·水压位移分量的因子选择 | 第19-20页 |
| ·温度位移分量的因子选择 | 第20-22页 |
| ·时效位移分量的因子选择 | 第22-25页 |
| ·大坝变形统计模型的一般表达式 | 第25页 |
| ·大坝监测的确定性模型 | 第25-30页 |
| ·水压分量计算 | 第26-28页 |
| ·温度分量计算 | 第28-29页 |
| ·时效分量计算 | 第29页 |
| ·大坝变形确定性模型的一般表达式 | 第29-30页 |
| ·大坝监测的混合模型 | 第30-31页 |
| ·BP 神经网络模型 | 第31-36页 |
| ·概述 | 第31页 |
| ·BP 神经网络的结构 | 第31-32页 |
| ·BP 算法的数学描述 | 第32-35页 |
| ·BP 算法的步骤 | 第35-36页 |
| 3. 乌金峡混凝土重力坝变形监测资料分析 | 第36-46页 |
| ·乌金峡混凝土重力坝概况 | 第36-37页 |
| ·乌金峡混凝土重力坝变形监测资料分析 | 第37-43页 |
| ·水平位移监测资料分析 | 第37页 |
| ·垂直位移监测资料分析 | 第37-39页 |
| ·垂线监测资料分析 | 第39-41页 |
| ·环境量监测资料分析 | 第41-43页 |
| ·乌金峡大坝位移监测统计模型的建立 | 第43-46页 |
| ·统计模型的建立 | 第43-44页 |
| ·统计模型的分析 | 第44-46页 |
| 4 基于 ANSYS 的大坝位移监测确定性模型的建立 | 第46-54页 |
| ·乌金峡大坝 ANSYS 软件计算模型的建立 | 第46-48页 |
| ·确定性模型分量的计算 | 第48-51页 |
| ·基于 ANSYS 的水压分量的计算 | 第48-50页 |
| ·基于 ANSYS 的温度分量的计算 | 第50-51页 |
| ·时效性分量的计算 | 第51页 |
| ·乌金峡大坝位移监测确定性模型的建立 | 第51-54页 |
| ·确定性模型的建立 | 第51页 |
| ·确定性模型的分析 | 第51-54页 |
| 5 BP 神经网络在大坝变形资料正反分析方面的应用 | 第54-64页 |
| ·BP 神经网络存在的一些问题及改进的方法 | 第54-56页 |
| ·BP 神经网络存在的一些问题 | 第54页 |
| ·BP 神经网络的改进的方法 | 第54-56页 |
| ·改进的 BP 神经网络在资料正分析方面的应用 | 第56-60页 |
| ·训练样本的选取及处理 | 第56-57页 |
| ·改进的 BP 神经网络的构建 | 第57-58页 |
| ·改进的 BP 神经网络的应用 | 第58-60页 |
| ·改进的 BP 神经网络在资料反分析方面的应用 | 第60-64页 |
| ·训练样本的计算 | 第60-63页 |
| ·用于资料反分析的 BP 神经网络的构建 | 第63页 |
| ·改进的 BP 神经网络在资料反分析中的应用 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| ·全文总结 | 第64页 |
| ·展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 攻读学位期间的研究成果 | 第69页 |