| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文研究的主要内容 | 第13-14页 |
| 1.4 本文的技术路线及结构 | 第14-15页 |
| 1.4.1 本文的技术路线 | 第14-15页 |
| 1.4.2 论文的组织结构 | 第15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 大坝变形监测综述 | 第16-28页 |
| 2.1 大坝变形监测方法和技术 | 第16-18页 |
| 2.2 大坝变形监测原则和要求 | 第18-20页 |
| 2.2.1 大坝变形监测原则 | 第18-19页 |
| 2.2.2 大坝变形监测要求 | 第19-20页 |
| 2.3 大坝变形分析预测模型 | 第20-23页 |
| 2.4 官地水电站大坝外部变形观测技术方案概述 | 第23-27页 |
| 2.4.1 工程概况 | 第23页 |
| 2.4.2 监测网布设及观测频次 | 第23-26页 |
| 2.4.3 监测方案实施的主要参考规范 | 第26页 |
| 2.4.4 变形监测观测成果 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 基于小波去噪与经验模态分解的变形数据预处理方法研究 | 第28-50页 |
| 3.1 小波理论及去噪原理 | 第28-32页 |
| 3.1.1 小波变换定义 | 第28-29页 |
| 3.1.2 多分辨率分析 | 第29-31页 |
| 3.1.3 小波去噪原理 | 第31-32页 |
| 3.2 经验模态分解理论 | 第32-36页 |
| 3.2.1 瞬时频率 | 第32-33页 |
| 3.2.2 本征模态函数 | 第33-34页 |
| 3.2.3 经验模态分解 | 第34-36页 |
| 3.3 EMD分解关键技术研究 | 第36-39页 |
| 3.3.1 IMF筛选准则 | 第36-37页 |
| 3.3.2 EMD分解停止准则 | 第37页 |
| 3.3.3 端点效应 | 第37-39页 |
| 3.4 大坝沉降数据去噪处理 | 第39-48页 |
| 3.4.1 小波去噪 | 第42-44页 |
| 3.4.2 经验模态分解及去噪 | 第44-45页 |
| 3.4.3 IMF-Wavelet去噪 | 第45-48页 |
| 3.5 本章小结 | 第48-50页 |
| 4 基于经验模态分解的多尺度预测模型 | 第50-66页 |
| 4.1 果蝇优化算法概述 | 第50-54页 |
| 4.1.1 果蝇优化算法基本原理 | 第50-52页 |
| 4.1.2 果蝇优化算法的特点 | 第52页 |
| 4.1.3 果蝇优化算法参数分析及改进 | 第52-54页 |
| 4.2 果蝇算法寻优能力实验 | 第54-59页 |
| 4.2.1 实验测试函数 | 第54-55页 |
| 4.2.2 算法参数设置 | 第55-56页 |
| 4.2.3 实验结果分析 | 第56-59页 |
| 4.3 果蝇优化BP神经网络 | 第59-64页 |
| 4.3.1 BP神经网络的结构 | 第59-62页 |
| 4.3.2 BP神经网络的局限性 | 第62页 |
| 4.3.3 果蝇优化BP神经网络 | 第62-64页 |
| 4.4 基于经验模态分解的多尺度预测模型 | 第64页 |
| 4.5 本章小结 | 第64-66页 |
| 5 基于经验模态分解的多尺度大坝变形预测实例分析 | 第66-86页 |
| 5.1 实验准备 | 第66-68页 |
| 5.1.1 数据预处理 | 第66-68页 |
| 5.1.2 大坝变形预测的性能指标 | 第68页 |
| 5.2 神经网络预测 | 第68-71页 |
| 5.3 EMD-BP多尺度模型预测 | 第71-76页 |
| 5.4 EMD-FOA-BP模型预测 | 第76-82页 |
| 5.5 综合分析 | 第82-85页 |
| 5.6 本章小结 | 第85-86页 |
| 6 结论与展望 | 第86-88页 |
| 6.1 结论 | 第86页 |
| 6.2 展望 | 第86-88页 |
| 攻读硕士学位期间发表的学术论文及参加的科研项目目录 | 第88-90页 |
| 1.攻读硕士学位期间发表的学术论文 | 第88页 |
| 2.攻读硕士学位期间参加的科研项目 | 第88-90页 |
| 致谢 | 第90-92页 |
| 参考文献 | 第92-96页 |