首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

改进的灰色神经网络在高耸建筑物沉降预测中的应用研究

致谢第4-5页
摘要第5-6页
Abstract第6页
1 绪论第10-16页
    1.1 选题背景及意义第10-11页
    1.2 国内外研究现状第11-14页
        1.2.1 灰色神经网络的研究现状第11-13页
        1.2.2 果蝇优化算法研究现状第13-14页
    1.3 主要研究内容和技术路线第14-16页
        1.3.1 主要研究内容第14页
        1.3.2 技术路线第14-16页
2 灰色神经网络(GNN)基本理论第16-27页
    2.1 灰色系统理论第16-20页
        2.1.1 灰色生成第17-18页
        2.1.2 GM(1,1)模型第18-20页
    2.2 神经网络基本理论第20-24页
        2.2.1 人工神经网络第20-22页
        2.2.2 BP神经网络模型第22-24页
    2.3 灰色神经网络第24-26页
        2.3.1 灰色神经网络模型分类第24页
        2.3.2 灰色神经网络建模方法第24-26页
    2.4 小结第26-27页
3 果蝇优化算法(FOA)的改进第27-41页
    3.1 果蝇优化算法第27-30页
        3.1.1 果蝇优化算法原理介绍第27-30页
    3.2 算法参数对优化性能的影响分析第30-35页
        3.2.1 种群大小对算法优化性能的影响第30-32页
        3.2.2 种群初始位置对算法优化性能的影响第32-34页
        3.2.3 种群迭代步长对算法优化性能的影响第34-35页
    3.3 果蝇优化算法的改进第35-38页
        3.3.1 算法改进策略第35-36页
        3.3.2 改进后的果蝇优化算法基本步骤第36-38页
    3.4 实验与结果分析第38-40页
        3.4.1 固定迭代次数算法优化性能分析第38-39页
        3.4.2 固定收敛精度算法优化性能分析第39页
        3.4.3 算法在高维-多峰函数上的优化性能第39-40页
    3.5 小结第40-41页
4 改进的灰色神经网络变形预测模型第41-50页
    4.1 变形数据预处理第41-46页
        4.1.1 小波数据去噪第41-45页
        4.1.2 样本数据的归一化第45-46页
    4.2 改进的灰色神经网络变形预测模型建立第46-49页
        4.2.1 灰色神经网络变形预测模型建立第46-47页
        4.2.2 改进的果蝇算法优化灰色神经网络参数第47页
        4.2.3 预测模型流程及性能评价指标第47-49页
    4.3 小结第49-50页
5 预测模型在高耸建筑物沉降预测中应用与分析第50-64页
    5.1 工程概况第50页
    5.2 监测方案设计第50-52页
        5.2.1 勘测依据第50-51页
        5.2.2 主要仪器设备第51页
        5.2.3 基准点以及沉降点的布设第51页
        5.2.4 观测周期第51-52页
        5.2.5 观测方法和精度标准第52页
    5.3 监测数据预处理第52-55页
        5.3.1 实验样本数据选择与分析第52-54页
        5.3.2 样本数据小波去噪第54-55页
    5.4 实验结果与分析第55-62页
        5.4.1 实验样本数据选择及归一化处理第55-56页
        5.4.2 灰色神经网络参数寻优分析第56-58页
        5.4.3 模型预测性能对比分析第58-62页
    5.5 小结第62-64页
6 结论与展望第64-65页
    6.1 结论第64页
    6.2 展望第64-65页
参考文献第65-68页
作者简历第68-70页
学位论文数据集第70页

论文共70页,点击 下载论文
上一篇:急性脑梗死合并冠心病血压变化与心脑缺血事件的相关性研究
下一篇:基于Skyline的地下管线三维可视化系统的研究