| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1. 绪论 | 第9-12页 |
| 1.1 露天矿边坡监测的意义和监测数据处理的目的 | 第9-10页 |
| 1.2 变形监测数据处理方研究现状 | 第10页 |
| 1.3 本文研究的内容及结构 | 第10-11页 |
| 1.3.1 本文研究的内容 | 第10-11页 |
| 1.3.2 本文组成结构 | 第11页 |
| 1.4 本章小结 | 第11-12页 |
| 2.提高变形监测数据准度方法研究 | 第12-27页 |
| 2.1 TM30测量机器人监测数据误差来源 | 第12-13页 |
| 2.2 气象条件对测距光径曲线的影响研究及改正 | 第13-20页 |
| 2.2.1 气象条件对测距的影响分析 | 第13-15页 |
| 2.2.2 测量机器人（TM30）气象改正数学模型 | 第15-16页 |
| 2.2.3 不同季节边长气象改正的对比分析 | 第16-17页 |
| 2.2.4 大气折光物理参数对测距光径曲线影响的显著性分析 | 第17-20页 |
| 2.3 照准偏差对监测数据准度的影响研究及改正 | 第20-25页 |
| 2.3.1 ATR照准功能工作原理及误差来源 | 第20-21页 |
| 2.3.2 ATR定向偏差改正公式推导及分析 | 第21-25页 |
| 2.3.3 ATR定向偏差数据改正方法验证 | 第25页 |
| 2.4 本章小结 | 第25-27页 |
| 3.小波阈值降噪 | 第27-38页 |
| 3.1 小波分析简介 | 第27页 |
| 3.2 小波基函数的选择 | 第27-32页 |
| 3.3 小波分解层数的分析 | 第32-34页 |
| 3.4 小波阈值降噪 | 第34-37页 |
| 3.4.1 改进的小波阈值去噪方法 | 第34-35页 |
| 3.4.2 改进小波阈值去噪a值得确定 | 第35-36页 |
| 3.4.3 改进方法与常规方法对比 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4.露天矿边坡监测周期计算及预测方法 | 第38-51页 |
| 4.1 露天矿边坡监测周期计算 | 第39-44页 |
| 4.1.1 露天矿边坡监测周期变化分析 | 第39-41页 |
| 4.1.2 周期计算公式推导 | 第41-43页 |
| 4.1.3 某变形监测实验场监测周期计算 | 第43-44页 |
| 4.2 露天矿边坡监测阶段性等时距灰色理论预测 | 第44-46页 |
| 4.3 神经网络预测 | 第46-47页 |
| 4.4 预测评价指标及新预测方法理念 | 第47-50页 |
| 4.4.1 预测评价指标 | 第47-48页 |
| 4.4.2 预测方法新理念 | 第48-49页 |
| 4.4.3 实验场预测精度验证 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5.数据处理软件开发 | 第51-65页 |
| 5.1 软件工作流程图 | 第51-53页 |
| 5.2 界面实现功能 | 第53-64页 |
| 5.3 本章小结 | 第64-65页 |
| 6.鞍山大孤山露天铁矿边坡监测工程实例 | 第65-77页 |
| 6.1 工程实例情况概述 | 第65-66页 |
| 6.2 监测数据处理 | 第66-76页 |
| 6.2.1 提高监测数据准确度处理 | 第66-69页 |
| 6.2.2 小波分析对数据精确度的提高 | 第69-74页 |
| 6.2.3 露天矿边坡移动量预测 | 第74-76页 |
| 6.3 本章小结 | 第76-77页 |
| 7.结论与展望 | 第77-79页 |
| 7.1 结论 | 第77-78页 |
| 7.2 展望 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 攻读硕士学位期间发表学术论文情况 | 第82-83页 |
| 致谢 | 第83-84页 |
| 作者简介 | 第84-85页 |