基于神经网络的大坝安全监控模型研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-26页 |
| 1.1 选题背景及研究意义 | 第12-14页 |
| 1.2 大坝安全监控模型研究现状 | 第14-19页 |
| 1.2.1 常规模型 | 第14-15页 |
| 1.2.2 新兴模型 | 第15-19页 |
| 1.2.3 现有模型存在的不足 | 第19页 |
| 1.3 大坝安全评价模型研究现状 | 第19-23页 |
| 1.3.1 常规模型 | 第20-22页 |
| 1.3.2 人工神经网络模型 | 第22-23页 |
| 1.3.3 现有模型存在的不足 | 第23页 |
| 1.4 本文主要研究内容 | 第23-24页 |
| 1.5 本文的技术路线 | 第24-26页 |
| 第二章 大坝安全监控和BP神经网络理论 | 第26-43页 |
| 2.1 引言 | 第26页 |
| 2.2 大坝安全监控概述 | 第26-30页 |
| 2.2.1 大坝的分类 | 第26-27页 |
| 2.2.2 大坝安全监控的内容 | 第27-29页 |
| 2.2.3 大坝安全监控发展方向 | 第29-30页 |
| 2.3 神经网络概述 | 第30-35页 |
| 2.3.1 神经网络的发展 | 第30-31页 |
| 2.3.2 神经元的结构 | 第31-33页 |
| 2.3.3 神经网络的基本特点 | 第33-34页 |
| 2.3.4 神经网络的应用 | 第34-35页 |
| 2.4 经典BP算法的改进 | 第35-42页 |
| 2.4.1 BP神经网络原理 | 第35页 |
| 2.4.2 BP神经网络具体实现步骤 | 第35-40页 |
| 2.4.3 BP神经网络的缺陷 | 第40页 |
| 2.4.4 BP神经网络的改进 | 第40-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第三章 大坝安全监控的融合模型构建 | 第43-67页 |
| 3.1 引言 | 第43页 |
| 3.2 大坝安全监控的统计模型 | 第43-52页 |
| 3.2.1 水压分量因子δ_H的选择 | 第44页 |
| 3.2.2 温度分量因子δ_T的选择 | 第44-45页 |
| 3.2.3 时效分量因子δ_θ的选择 | 第45-46页 |
| 3.2.4 多元线性回归分析 | 第46-52页 |
| 3.2.5 统计模型的建立 | 第52页 |
| 3.3 大坝安全监控的BP神经网络模型 | 第52-53页 |
| 3.4 大坝安全监控的BP神经网络融合模型 | 第53-55页 |
| 3.4.1 融合模型的构想 | 第53页 |
| 3.4.2 BP神经网络融合模型的建立 | 第53-54页 |
| 3.4.3 融合模型的理论解析 | 第54-55页 |
| 3.5 实例研究与分析 | 第55-66页 |
| 3.5.1 工程概况 | 第55-57页 |
| 3.5.2 数据的预处理 | 第57-58页 |
| 3.5.3 建模数据的选取 | 第58-60页 |
| 3.5.4 计算参数的选取 | 第60-62页 |
| 3.5.5 模型精度的比较 | 第62页 |
| 3.5.6 泛化能力的比较 | 第62-64页 |
| 3.5.7 补充实例 | 第64-66页 |
| 3.6 本章小结 | 第66-67页 |
| 第四章 大坝安全监控的遗传神经网络模型构建 | 第67-85页 |
| 4.1 引言 | 第67页 |
| 4.2 遗传算法理论 | 第67-76页 |
| 4.2.1 遗传算法的发展历史 | 第67-68页 |
| 4.2.2 遗传算法的特点 | 第68-69页 |
| 4.2.3 遗传算法的应用领域 | 第69-71页 |
| 4.2.4 遗传算法基本流程 | 第71-73页 |
| 4.2.5 遗传算法的实现机制 | 第73-76页 |
| 4.3 遗传算法与神经网络结合的方式 | 第76-77页 |
| 4.4 遗传神经网络的建模 | 第77-80页 |
| 4.4.1 建模步骤 | 第77-78页 |
| 4.4.2 大坝安全监控的遗传神经网络模型 | 第78-79页 |
| 4.4.3 大坝安全监控的遗传神经网络融合模型 | 第79页 |
| 4.4.4 优化之处 | 第79-80页 |
| 4.5 实例研究与分析 | 第80-84页 |
| 4.5.1 建模数据的选取 | 第80页 |
| 4.5.2 模型精度的比较 | 第80-81页 |
| 4.5.3 网络训练时间的比较 | 第81-82页 |
| 4.5.4 泛化能力的比较 | 第82-84页 |
| 4.6 本章小结 | 第84-85页 |
| 第五章 大坝安全评价的遗传神经网络模型构建 | 第85-105页 |
| 5.1 引言 | 第85-86页 |
| 5.2 综合评价指标的设置 | 第86-87页 |
| 5.2.1 评价指标的设置 | 第86页 |
| 5.2.2 评价集的设置 | 第86-87页 |
| 5.3 评价指标的度量方法 | 第87-90页 |
| 5.3.1 定量指标度量方法 | 第87-89页 |
| 5.3.2 定性指标度量方法 | 第89-90页 |
| 5.4 大坝安全评价的遗传神经网络模型 | 第90-97页 |
| 5.4.1 安全度值的概念 | 第90-91页 |
| 5.4.2 底层指标因子安全度值计算 | 第91-92页 |
| 5.4.3 权重计算 | 第92-97页 |
| 5.4.4 遗传神经网络建模 | 第97页 |
| 5.5 实例研究与分析 | 第97-103页 |
| 5.5.1 建模数据的选取 | 第97-99页 |
| 5.5.2 学习样本的生成 | 第99-101页 |
| 5.5.3 神经网络建模 | 第101-103页 |
| 5.5.4 结果评价 | 第103页 |
| 5.6 本章小结 | 第103-105页 |
| 第六章 结论与展望 | 第105-107页 |
| 6.1 论文总结 | 第105-106页 |
| 6.2 研究展望 | 第106-107页 |
| 致谢 | 第107-108页 |
| 参考文献 | 第108-120页 |
| 攻读学位期间的科研成果 | 第120页 |
