| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·问题的提出及研究意义 | 第9-10页 |
| ·问题的提出 | 第9-10页 |
| ·研究的意义 | 第10页 |
| ·国内外现状 | 第10-12页 |
| ·本文研究的目的和研究内容 | 第12-15页 |
| ·本文研究的目的 | 第12-14页 |
| ·本文研究的内容 | 第14-15页 |
| 2 相关理论和和技术 | 第15-25页 |
| ·桥梁健康检测系统 | 第15-16页 |
| ·数据挖掘 | 第16-23页 |
| ·数据挖掘概述 | 第16-17页 |
| ·分类(Classification) | 第17-18页 |
| ·聚类（Clustering） | 第18-19页 |
| ·关联规则（Association Rules） | 第19页 |
| ·时间序列分析（Time series Analysis） | 第19-22页 |
| ·回归分析和孤立点分析 | 第22-23页 |
| ·数据的预处理 | 第23-25页 |
| 3 马桑溪大桥健康监测系统简介 | 第25-32页 |
| ·监测系统简介 | 第25-26页 |
| ·桥梁结构参数和环境参数的监测 | 第26-32页 |
| 4 马桑溪大桥健康监测数据的挖掘 | 第32-58页 |
| ·桥梁监测数据的预处理 | 第32-36页 |
| ·数据合并 | 第32页 |
| ·噪声数据 | 第32-33页 |
| ·最大值，最小值 | 第33-34页 |
| ·平均值，标准方差 | 第34页 |
| ·数据变换 | 第34-35页 |
| ·主成分分析（PCA） | 第35页 |
| ·小结 | 第35-36页 |
| ·桥梁监测数据的聚类分析模型 | 第36-41页 |
| ·Kohonen 人工神经网络 | 第36-38页 |
| ·桥梁监测数据的聚类分析 | 第38-40页 |
| ·小结 | 第40-41页 |
| ·桥梁监测数据的关联规则挖掘模型 | 第41-47页 |
| ·基本概念 | 第41-42页 |
| ·Apriori 算法 | 第42-44页 |
| ·挖掘桥梁监测数据的关联规则 | 第44-47页 |
| ·小结 | 第47页 |
| ·桥梁监测数据的时间序列模型 | 第47-57页 |
| ·时间序列的相似性 | 第48-50页 |
| ·时间序列的ARIMA 模型 | 第50-52页 |
| ·桥梁监测数据时序预测模型 | 第52-57页 |
| ·小结 | 第57页 |
| ·桥梁监测数据的挖掘模型的使用 | 第57-58页 |
| 5 总结和展望 | 第58-59页 |
| ·全文总结 | 第58页 |
| ·进一步的工作和展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第62-63页 |
| 独创性声明 | 第63页 |
| 学位论文版权使用授权书 | 第63页 |