| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·本文选题背景及意义 | 第8-9页 |
| ·缺失数据处理的国内外研究现状 | 第9-10页 |
| ·缺失数据的处理 | 第10-14页 |
| ·缺失数据及其产生原因 | 第10页 |
| ·缺失数据的分类 | 第10-11页 |
| ·缺失数据的处理方法 | 第11-14页 |
| ·本文主要研究内容及意义 | 第14-15页 |
| ·本文研究的意义 | 第14页 |
| ·本文主要研究内容 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 2 桥梁健康监测系统中的缺失数据及其特点 | 第16-25页 |
| ·桥梁健康监测系统缺失数据的产生原因 | 第16-17页 |
| ·桥梁健康监测系统数据的特点 | 第17-24页 |
| ·桥梁健康监测系统中数据缺失的类型 | 第17-20页 |
| ·桥梁健康监测系统中数据的特点 | 第20-24页 |
| ·本章小结 | 第24-25页 |
| 3 桥梁健康监测系统缺失数据 SARIMA 模型的填补 | 第25-42页 |
| ·时间序列 | 第25-26页 |
| ·时间序列分析 | 第25页 |
| ·时间序列模型建立的基本步骤 | 第25-26页 |
| ·时间序列的应用 | 第26页 |
| ·SARIMA 模型的原理 | 第26-28页 |
| ·桥梁监测缺失数据SARIMA 模型的确定及填补 | 第28-38页 |
| ·缺失数据模拟 | 第28-30页 |
| ·三种缺失类型下缺失数据的填补步骤 | 第30页 |
| ·SARIMA 模型的确定步骤 | 第30页 |
| ·桥梁监测缺失数据SARIMA 模型的确定 | 第30-38页 |
| ·桥梁健康监测系统缺失数据SARIMA 模型的填补结果 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 4 桥梁健康监测缺失数据混合模型的填补 | 第42-59页 |
| ·神经网络基础 | 第42-45页 |
| ·神经网络研究的发展 | 第42页 |
| ·神经网络概述 | 第42-45页 |
| ·BP 神经网络 | 第45-49页 |
| ·BP 网络简介 | 第45-46页 |
| ·BP 网络学习算法 | 第46-49页 |
| ·隐含层神经元个数的确定 | 第49页 |
| ·基于混合模型的桥梁健康监测系统缺失数据的填补 | 第49-57页 |
| ·数据准备 | 第49页 |
| ·网络参数选取及缺失数据填补 | 第49-57页 |
| ·结果分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 5 总结与展望 | 第59-61页 |
| ·全文总结 | 第59-60页 |
| ·对后期工作的建议 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65页 |
| A.攻读硕士学位期间发表的论文目录 | 第65页 |
| B.攻读硕士学位期间参与的科研项目 | 第65页 |