| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-14页 |
| ·选题背景及研究意义 | 第7-8页 |
| ·研究现状及发展趋势 | 第8-12页 |
| ·沉降变形监测技术及发展 | 第8-9页 |
| ·沉降变形预测方法及趋势 | 第9-12页 |
| ·主要研究内容 | 第12-13页 |
| ·技术路线 | 第13-14页 |
| 2 改进 GA-BP 模型的基本理论 | 第14-31页 |
| ·人工神经网络概述 | 第14-15页 |
| ·BP 神经网络理论 | 第15-20页 |
| ·BP 神经网络的结构 | 第15-17页 |
| ·BP 算法的原理和步骤 | 第17-20页 |
| ·BP 神经网络的优点和局限性 | 第20页 |
| ·遗传算法概述 | 第20-22页 |
| ·遗传算法的基本要素 | 第22-29页 |
| ·染色体的编码 | 第22-24页 |
| ·初始种群数目的选定 | 第24页 |
| ·适应度函数的确定 | 第24-25页 |
| ·遗传算子的操作设计 | 第25-29页 |
| ·遗传算法的不足 | 第29-30页 |
| ·自适应遗传算法理论 | 第30页 |
| ·本章小结 | 第30-31页 |
| 3 改进 GA-BP 模型的设计与构建 | 第31-42页 |
| ·遗传算法与神经网络的结合方式 | 第31页 |
| ·改进 GA-BP 模型的设计思路 | 第31-35页 |
| ·传统遗传神经网络的建立方法 | 第31-32页 |
| ·传统遗传神经网络的缺陷 | 第32-33页 |
| ·对传统遗传神经网络的改进思路 | 第33-35页 |
| ·遗传算法的改进 | 第35-36页 |
| ·标准的自适应遗传算法 | 第35页 |
| ·改进的自适应遗传算法 | 第35-36页 |
| ·改进 GA-BP 模型的构建 | 第36-41页 |
| ·数据预处理 | 第36-38页 |
| ·对遗传参数的选择 | 第38页 |
| ·对适应度函数的选择 | 第38-39页 |
| ·对网络结构的编码设计 | 第39页 |
| ·对网络权阈值的编码方案 | 第39-40页 |
| ·对遗传算子的选择 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 4 绞车房沉降变形的改进 GA-BP 模型预测分析 | 第42-54页 |
| ·监测项目实施与数据获取 | 第42-45页 |
| ·监测项目 | 第42-43页 |
| ·项目的监测方案及实施 | 第43-44页 |
| ·沉降监测原始数据 | 第44-45页 |
| ·数据预处理 | 第45-47页 |
| ·对原始数据的插值处理 | 第45-46页 |
| ·插值处理的效果验证 | 第46-47页 |
| ·几种方法的预测适应性对比 | 第47-53页 |
| ·累计沉降量模式下的仿真预测 | 第48-50页 |
| ·单期沉降量模式下的仿真预测 | 第50-52页 |
| ·预测结果的分析结论 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 5 结论与展望 | 第54-56页 |
| ·本文总结 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 附录 A | 第60-62页 |
| 附录 B | 第62-63页 |