| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| 1．1 课题研究的背景和意义 | 第8-9页 |
| 1．2 大坝安全监测资料正分析的发展 | 第9-12页 |
| 1．3 本文所作的工作 | 第12-13页 |
| 2 BP网络与RBF网络的基本原理 | 第13-19页 |
| 2．1 BP网络的基本原理 | 第13-16页 |
| 2．1．1 BP网络结构 | 第13-14页 |
| 2．1．2 BP算法的步骤 | 第14页 |
| 2．1．3 BP网络存在的问题及改进方法 | 第14-16页 |
| 2．2 RBF网络的基本原理 | 第16-19页 |
| 2．2．1 RBF网络的结构 | 第16-17页 |
| 2．2．2 RBF网络的映射关系 | 第17-18页 |
| 2．2．3 RBF网络的训练算法概述、分类和比较 | 第18-19页 |
| 3 金竹山电厂贮灰坝浸润线预测 | 第19-38页 |
| 3．1 金竹山贮灰坝监测系统简介 | 第19页 |
| 3．2 贮灰坝渗流影响因素和测点布置 | 第19-21页 |
| 3．2．1 灰坝渗流成因及影响因素 | 第19-20页 |
| 3．2．2 测点布置 | 第20-21页 |
| 3．3 贮灰坝安全监测系统的特点 | 第21页 |
| 3．4 变量的选取和网络结构的设计 | 第21-23页 |
| 3．4．1 变量的选取 | 第21-22页 |
| 3．4．2 网络结构的确定 | 第22-23页 |
| 3．5 数据样本的选取及预处理 | 第23-24页 |
| 3．5．1 数据样本的选取 | 第23页 |
| 3．5．2 输入样本数据的归一化处理 | 第23-24页 |
| 3．6 BP神经网络预测 | 第24-29页 |
| 3．7 RBF神经网络预测 | 第29-35页 |
| 3．8 RBF与BP两种网络模型计算结果的比较 | 第35-38页 |
| 4 金竹山电厂贮灰坝抗滑稳定安全系数预测 | 第38-53页 |
| 4．1 均质坝安全系数的计算和预测 | 第38-43页 |
| 4．1．1 均质坝的浸润线计算 | 第38-39页 |
| 4．1．2 抗滑稳定安全系数及其敏感性分析 | 第39-41页 |
| 4．1．3 安全系数的预测 | 第41-43页 |
| 4．2 相应于实测浸润线的金竹山电厂灰坝的安全系数计算和预测 | 第43-50页 |
| 4．2．1 稳定参数 | 第43页 |
| 4．2．2 相应于实测浸润线的安全系数的计算值 | 第43-46页 |
| 4．2．3 安全系数的预测 | 第46-50页 |
| 4．3 预测浸润线对应的安全系数 | 第50页 |
| 4．4 安全系数的神经网络预测值与基于浸润线预测时对应的安全系数比较 | 第50-53页 |
| 5 金竹山电厂灰坝的安全预警分析 | 第53-61页 |
| 5．1 各类规范、标准规定的安全系数 | 第53-55页 |
| 5．2 金竹山电厂灰坝的安全预警分析和稳定性评价 | 第55-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 攻读硕士学位期间发表学术论文情况 | 第64-65页 |
| 致谢 | 第65-66页 |
| 大连理工大学学位论文版权使用授权书 | 第66页 |