基于支持向量的铁路泥石流危险性评价方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究意义和目的 | 第10-11页 |
| ·意义 | 第10-11页 |
| ·目的 | 第11页 |
| ·国内外研究现状 | 第11-14页 |
| ·泥石流危险性评价研究历史及现状 | 第11-12页 |
| ·支持向量机理论研究与应用 | 第12-14页 |
| ·研究内容和方法 | 第14-16页 |
| ·研究内容 | 第14页 |
| ·研究方法 | 第14-15页 |
| ·技术路线 | 第15-16页 |
| 第2章 研究区自然地理及地质环境条件 | 第16-25页 |
| ·自然地理 | 第16-17页 |
| ·交通位置 | 第16页 |
| ·气象条件 | 第16-17页 |
| ·水文条件 | 第17页 |
| ·地质环境条件 | 第17-24页 |
| ·地形地貌 | 第17-18页 |
| ·地层岩性 | 第18-21页 |
| ·地质构造 | 第21-22页 |
| ·区域稳定性 | 第22-23页 |
| ·水文地质 | 第23-24页 |
| ·不良地质现象 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第3章 知识预备 | 第25-39页 |
| ·概述 | 第25页 |
| ·统计学习理论基础 | 第25-30页 |
| ·机器学习 | 第25-27页 |
| ·经验风险最小化原则 | 第27-28页 |
| ·统计学习理论的产生 | 第28页 |
| ·一致性条件 | 第28-29页 |
| ·VC维理论 | 第29页 |
| ·推广性的界 | 第29-30页 |
| ·结构风险最小化原则 | 第30页 |
| ·SVM基础 | 第30-35页 |
| ·基本思想 | 第31-33页 |
| ·核函数 | 第33-34页 |
| ·支持向量机算法 | 第34-35页 |
| ·遗传算法 | 第35-36页 |
| ·基本原理 | 第35-36页 |
| ·基本结构 | 第36页 |
| ·基于遗传算法的支持向量机参数优化 | 第36页 |
| ·LIBSVM软件 | 第36-38页 |
| ·简介 | 第36-37页 |
| ·使用方法 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 泥石流危险性评价 | 第39-62页 |
| ·泥石流发育特征及分布 | 第39-44页 |
| ·基本特征 | 第39-42页 |
| ·分布特征 | 第42-44页 |
| ·评价指标体系的建立 | 第44-45页 |
| ·评价指标的确定 | 第44-45页 |
| ·泥石流危险性分级 | 第45页 |
| ·评价指标分级标准 | 第45页 |
| ·SVM泥石流危险性评价 | 第45-61页 |
| ·数据准备 | 第45-56页 |
| ·SVM模型建立 | 第56-58页 |
| ·泥石流危险性评价 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献(REFERENCES) | 第66-68页 |
