基于小波优化的灰色BP神经网络在深基坑变形预测中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第1章 绪论 | 第12-18页 |
| ·研究意义 | 第12-13页 |
| ·国内外研究现状及发展趋势 | 第13-15页 |
| ·本文研究的目的和主要内容 | 第15-16页 |
| ·本文的技术流程 | 第16-18页 |
| 第2章 深基坑变形监测 | 第18-26页 |
| ·引言 | 第18页 |
| ·深基坑工程的特点 | 第18-19页 |
| ·深基坑变形机理分析 | 第19-20页 |
| ·基坑周边地表沉降 | 第19页 |
| ·坑底土体隆起 | 第19-20页 |
| ·围护结构体变形 | 第20页 |
| ·基坑监测目的和要求 | 第20-22页 |
| ·深基坑监测的目的 | 第20-21页 |
| ·深基坑监测的基本要求及监测频率 | 第21-22页 |
| ·基坑监测预警 | 第22-23页 |
| ·深基坑监测的数据处理方法 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第3章 小波分析和灰色模型理论 | 第26-42页 |
| ·小波分析 | 第26-32页 |
| ·小波分析的发展 | 第26页 |
| ·小波变换 | 第26-27页 |
| ·小波基函数 | 第27-31页 |
| ·小波基函数的特点 | 第31-32页 |
| ·小波去噪 | 第32-34页 |
| ·小波去噪原理 | 第32页 |
| ·小波去噪在MATLAB中的实现 | 第32-33页 |
| ·小波去噪效果评价 | 第33-34页 |
| ·灰色系统理论 | 第34-37页 |
| ·数据生成 | 第34-35页 |
| ·GM(1,1)灰色动态模型 | 第35-36页 |
| ·灰色模型的精度检验 | 第36-37页 |
| ·小波优化的GM（1,1）模型 | 第37-42页 |
| ·小波优化的GM（1,1）模型 | 第37-38页 |
| ·实例验证 | 第38-42页 |
| 第4章 基于小波优化的灰色BP神经网络理论 | 第42-56页 |
| ·人工神经网络 | 第42-43页 |
| ·人工神经网络概述 | 第42页 |
| ·人工神经网络的分类 | 第42-43页 |
| ·BP神经网络及其应用 | 第43-48页 |
| ·BP神经网络结构 | 第44页 |
| ·BP神经元激活函数 | 第44-45页 |
| ·BP神经网络的学习算法 | 第45-48页 |
| ·灰色BP神经网络 | 第48-50页 |
| ·实例分析 | 第50-55页 |
| ·基于小波优化的灰色BP神经网络模型 | 第55-56页 |
| 第5章 基于小波优化的灰色BP神经网络模型应用 | 第56-68页 |
| ·实例分析工程简介 | 第56-57页 |
| ·基坑周边环境变形沉降监测 | 第57-64页 |
| ·GM(1,1)模型 | 第58-59页 |
| ·小波优化的GM(1,1)模型 | 第59-60页 |
| ·BP神经网络模型 | 第60-61页 |
| ·小波优化的灰色BP神经网络模型 | 第61-62页 |
| ·数据分析 | 第62-64页 |
| ·基坑变形监测桩底水平位移分析 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第6章 总结与展望 | 第68-70页 |
| ·本文研究工作总结 | 第68-69页 |
| ·展望与建议 | 第69-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-75页 |
