尾矿库在线安全监测及预警关键技术研究
作者简介 | 第1-6页 |
摘要 | 第6-11页 |
第一章 绪论 | 第11-18页 |
§1.1 研究背景及意义 | 第11-14页 |
·研究背景 | 第11-12页 |
·研究意义 | 第12-14页 |
§1.2 国内外研究现状 | 第14-16页 |
·尾矿库安全监测研究现状 | 第14-15页 |
·预警理论研究现状 | 第15页 |
·尾矿库安全监测及预警研究现状 | 第15-16页 |
§1.3 论文研究内容及技术路线 | 第16-18页 |
·论文研究内容 | 第16-17页 |
·论文技术路线 | 第17-18页 |
第二章 尾矿库及其安全影响因素分析 | 第18-31页 |
§2.1 尾矿库概述 | 第18-21页 |
§2.2 尾矿库事故原因分析 | 第21-28页 |
·我国尾矿库现状 | 第21-22页 |
·尾矿库事故数据统计分析 | 第22-23页 |
·尾矿库事故原因分析 | 第23-28页 |
§2.3 尾矿库安全影响因素分析 | 第28-30页 |
·尾矿特性 | 第28页 |
·尾矿坝坝体稳定性 | 第28-29页 |
·排洪系统安全状况 | 第29页 |
·区域地质条件 | 第29页 |
·区域水文气象条件 | 第29页 |
·区域社会环境 | 第29-30页 |
·尾矿库安全管理 | 第30页 |
§2.4 本章小结 | 第30-31页 |
第三章 尾矿库在线安全监测系统 | 第31-44页 |
§3.1 尾矿库安全监测指标体系 | 第31-37页 |
·基于规范要求的监测项目 | 第31-32页 |
·基于ISM优化的安全监测指标体系 | 第32-37页 |
§3.2 监测点优化布置研究 | 第37-40页 |
·基于规范原则的监测点布置 | 第37-38页 |
·基于风险分析为补充依据的监测点布置 | 第38-39页 |
·尾矿库安全监测项目及测点布置优化流程 | 第39-40页 |
§3.3 黄麦岭尾矿库在线安全监测实例 | 第40-43页 |
·黄麦岭尾矿库工程概况 | 第40页 |
·监测项目设计 | 第40-41页 |
·监测设备选型 | 第41页 |
·监测点布置 | 第41-42页 |
·监测系统组成 | 第42-43页 |
§3.4 本章小结 | 第43-44页 |
第四章 尾矿库安全预警模型 | 第44-56页 |
§4.1 尾矿库安全预警基本理论 | 第44-45页 |
·预警的内涵及其理论框架 | 第44页 |
·尾矿库安全预警 | 第44-45页 |
§4.2 BP神经网络基本理论 | 第45-50页 |
·BP神经网络发展概述 | 第45页 |
·BP神经网络模型 | 第45-46页 |
·BP算法及其实现 | 第46-49页 |
·BP神经网络的优缺点 | 第49-50页 |
§4.3 遗传算法基本理论 | 第50-52页 |
·遗传算法的基本操作 | 第50-51页 |
·遗传算法的运行过程 | 第51-52页 |
·遗传算法的优点 | 第52页 |
§4.4 基于遗传算法的BP神经网络安全预警模型 | 第52-55页 |
·遗传算法对BP神经网络的优化 | 第52-54页 |
·基于遗传算法的BP神经网络模型的建立及其实现 | 第54-55页 |
§4.5 本章小结 | 第55-56页 |
第五章 尾矿库安全预警实现 | 第56-64页 |
§5.1 安全预警指标体系的建立 | 第56-57页 |
§5.2 BP神经网络结构设计 | 第57-59页 |
·网络影响因素选取 | 第57页 |
·网络结构层及节点数的确定 | 第57-59页 |
§5.3 遗传算法对BP神经网络权值、阈值的优化 | 第59-60页 |
·种群规模及其初始化 | 第59页 |
·适应度函数 | 第59页 |
·遗传算法优化操作 | 第59-60页 |
·遗传算法终止及BP网络执行 | 第60页 |
§5.4 网络训练 | 第60-62页 |
·数据准备 | 第60-61页 |
·MATLAB程序实现 | 第61-62页 |
§5.5 预警准则 | 第62-63页 |
§5.6 网络预测及其结果分析 | 第63页 |
§5.7 本章小结 | 第63-64页 |
第六章 结论及展望 | 第64-66页 |
§6.1 结论 | 第64页 |
§6.2 展望 | 第64-66页 |
致谢 | 第66-67页 |
参考文献 | 第67-72页 |