| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 变形监测及预测的研究现状与发展趋势 | 第10-11页 |
| 1.3 研究的内容和意义 | 第11-12页 |
| 第二章 经典变形预测模型及相关理论介绍 | 第12-33页 |
| 2.1 变形预测经典方法理论介绍 | 第12-25页 |
| 2.1.1 回归分析理论 | 第12-15页 |
| 2.1.2 时间序列分析模型 | 第15-17页 |
| 2.1.3 人工神经网络的理论 | 第17-18页 |
| 2.1.4 灰色理论的基本 | 第18-21页 |
| 2.1.5 卡尔曼滤波 | 第21-25页 |
| 2.2 本文中所涉及的相关理论介绍 | 第25-32页 |
| 2.2.1 方差分量估计 | 第25-26页 |
| 2.2.2 稳健估计理论 | 第26-29页 |
| 2.2.3 数据融合理论 | 第29-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 动态自适应卡尔曼滤波-灰色综合改正预测模型的建立 | 第33-45页 |
| 3.1 基于卡尔曼滤波的 GM(1,1)建模 | 第33-36页 |
| 3.1.1 监测数据累加处理 | 第33-34页 |
| 3.1.2 累加序列的滤波值求取 | 第34页 |
| 3.1.3 滤波值的累减处理 | 第34-35页 |
| 3.1.4 利用累减序列建立 GM(1,1)模型 | 第35-36页 |
| 3.2 精度评定及残差修正 | 第36-39页 |
| 3.2.1 评定内符合精度 | 第36-38页 |
| 3.2.2 残差修正 | 第38-39页 |
| 3.3 预测值数据融合 | 第39-41页 |
| 3.4 动态噪声方差修正 | 第41-44页 |
| 3.4.1 基于方差分量估计的自适应 Kalman 滤波 | 第41-43页 |
| 3.4.2 方差补偿自适应滤波 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于实际工程的综合改正模型验证 | 第45-58页 |
| 4.1 工程项目介绍 | 第45-48页 |
| 4.1.1 工程简介 | 第45页 |
| 4.1.2 变形监测方案及成果分析 | 第45-48页 |
| 4.2 预测模型验证 | 第48-56页 |
| 4.8 本章小结 | 第56-58页 |
| 第五章 结论与展望 | 第58-60页 |
| 5.1 本文结论 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64页 |