| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景 | 第9-10页 |
| ·研究现状和意义 | 第10-11页 |
| ·研究内容及组织结构 | 第11-13页 |
| 第二章 变形预测模型及相关优化算法介绍 | 第13-27页 |
| ·变形监测的统计预测模型 | 第13-18页 |
| ·时间序列分析模型 | 第13-15页 |
| ·回归分析模型 | 第15-16页 |
| ·灰色理论模型 | 第16-18页 |
| ·变形监测的非线性预测模型 | 第18-22页 |
| ·突变理论模型 | 第18-20页 |
| ·人工神经网络模型 | 第20-22页 |
| ·文中涉及到的相关优化算法 | 第22-26页 |
| ·遗传算法 | 第22-24页 |
| ·模拟退火算法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 灰色多重修正预测模型的建立及应用 | 第27-45页 |
| ·灰色多重修正模型的建立 | 第28-30页 |
| ·背景值的积分优化 | 第28-29页 |
| ·参数的二次拟合优化 | 第29页 |
| ·等维动态优化 | 第29-30页 |
| ·分段残差优化 | 第30页 |
| ·精度评估 | 第30-32页 |
| ·后验差检验 | 第30-31页 |
| ·残差检验 | 第31页 |
| ·关联度检验 | 第31-32页 |
| ·多重修正模型在实际工程中的应用 | 第32-43页 |
| ·工程项目概况 | 第32-35页 |
| ·变形监测成果分析 | 第35-36页 |
| ·多重修正模型的分析预测 | 第36-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 GSA-BP 非线性预测模型的建立及应用 | 第45-59页 |
| ·GSA-BP 预测模型的建立 | 第45-48页 |
| ·GSA-BP 模型的基本思想 | 第45-46页 |
| ·GSA-BP 模型建模流程 | 第46-48页 |
| ·GSA-BP 预测模型的工程验证 | 第48-56页 |
| ·模型样本的构造 | 第48-50页 |
| ·样本归一化处理 | 第50-52页 |
| ·GSA-BP 网络训练及仿真 | 第52-56页 |
| ·GSA-BP 预测模型与 BP 网络模型的预测对比 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 结论与展望 | 第59-61页 |
| ·主要内容及结论 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66页 |