遗传优化神经网络在大坝变形监测中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 引言 | 第10-17页 |
| ·研究的背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·本文主要研究内容 | 第15-17页 |
| 2 大坝变形监测资料小波分析处理 | 第17-25页 |
| ·小波变换去噪的基本理论 | 第17-19页 |
| ·小波变换去噪算法 | 第19-21页 |
| ·大坝实测位移数据的噪声处理 | 第21-24页 |
| ·小结 | 第24-25页 |
| 3 人工神经网络基本理论 | 第25-41页 |
| ·人工神经网络概述 | 第25-29页 |
| ·人工神经网络发展现状 | 第25-26页 |
| ·人工神经网络的基本特点与功能 | 第26-28页 |
| ·人工神经网络的应用领域 | 第28-29页 |
| ·人工神经网络的基本原理 | 第29-32页 |
| ·基本神经元模型 | 第29-30页 |
| ·神经网络结构及工作方式 | 第30-31页 |
| ·人工神经网络的学习方式 | 第31页 |
| ·人工神经网络的学习算法 | 第31-32页 |
| ·BP 网络结构与算法 | 第32-36页 |
| ·BP 网络结构 | 第32-33页 |
| ·BP 网络算法 | 第33-36页 |
| ·BP 网络的设计 | 第36-38页 |
| ·BP 网络输入与输出参数的确定 | 第36页 |
| ·训练样本集的设计 | 第36-37页 |
| ·BP 网络结构参数设计 | 第37-38页 |
| ·BP 网络的缺陷及改进 | 第38-40页 |
| ·BP 神经网络的缺陷 | 第38-39页 |
| ·BP 神经网络的改进 | 第39-40页 |
| ·小结 | 第40-41页 |
| 4 遗传算法基本理论 | 第41-53页 |
| ·遗传算法概述 | 第41-42页 |
| ·遗传算法基本原理与特点 | 第42-45页 |
| ·遗传算法基本原理 | 第42页 |
| ·遗传算法的特点 | 第42-43页 |
| ·遗传算法的应用领域 | 第43-45页 |
| ·遗传算法的实现 | 第45-51页 |
| ·遗传算法与神经网络结合的可行性研究 | 第51-52页 |
| ·小结 | 第52-53页 |
| 5 遗传优化神经网络在大坝监测中的应用 | 第53-67页 |
| ·遗传神经网络权重优化算法 | 第53-54页 |
| ·遗传神经网络模型的建立 | 第54-55页 |
| ·实例分析与应用 | 第55-66页 |
| ·BP 网络预测模型的应用 | 第56-59页 |
| ·GA-BP 网络预测模型的应用 | 第59-66页 |
| ·小结 | 第66-67页 |
| 6 大坝变形预测系统设计与实现 | 第67-74页 |
| ·变形预测系统开发环境 | 第67页 |
| ·变形预测系统功能模块设计 | 第67-68页 |
| ·变形预测系统实现 | 第68-73页 |
| ·变形预测系统界面设计 | 第68-69页 |
| ·文件操作 | 第69-70页 |
| ·数据预处理 | 第70页 |
| ·模型参数设置 | 第70-71页 |
| ·变形预测模型建立 | 第71-72页 |
| ·结果图形显示 | 第72-73页 |
| ·小结 | 第73-74页 |
| 7 结论与展望 | 第74-76页 |
| ·结论 | 第74页 |
| ·进一步的工作与展望 | 第74-76页 |
| 攻读硕士学位期间公开发表的学术论文 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-80页 |
