| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-15页 |
| ·本课题研究的目的和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文主要研究内容 | 第13-15页 |
| 2 大坝变形分析与预测的基本理论和方法 | 第15-27页 |
| ·概述 | 第15页 |
| ·大坝的几何变形分析 | 第15-18页 |
| ·数理统计模型 | 第18-20页 |
| ·确定函数模型 | 第20-21页 |
| ·混合模型 | 第21页 |
| ·非线性预测监测模型 | 第21-27页 |
| 3 BP 神经网络 | 第27-38页 |
| ·人工神经网络的基本原理 | 第27-28页 |
| ·生物神经元的结构及功能 | 第28-29页 |
| ·人工神经元模型及神经网络 | 第29-34页 |
| ·BP 神经网络 | 第34-38页 |
| 4 基于粒子群算法的BP 神经网络预测模型研究 | 第38-46页 |
| ·BP 神经网络的局限性及改进思路 | 第38-41页 |
| ·BP 神经网络的局限性 | 第38-39页 |
| ·BP 神经网络的改进思路 | 第39-41页 |
| ·粒子群优化算法 | 第41-43页 |
| ·粒子群算法的基本原理 | 第41-42页 |
| ·粒子群算法的参数设置 | 第42-43页 |
| ·粒子群算法的流程 | 第43页 |
| ·粒子群算法用于BP 神经网络的优化 | 第43-46页 |
| ·模型设计 | 第43-44页 |
| ·算法流程 | 第44-46页 |
| 5 基于PSO-BP 神经网络在大坝变形预测中的应用 | 第46-59页 |
| ·丰满大坝的工程概况及监测概况 | 第46-48页 |
| ·工程概况 | 第46-48页 |
| ·安全监测概况 | 第48页 |
| ·PSO-BP 神经网络的大坝水平位移值预测模型设计与实验分析 | 第48-56页 |
| ·样本数据归一化处理 | 第48页 |
| ·模型中BP 结构的确定 | 第48-50页 |
| ·MATLAB 实现PSO 算法对BP 网络的优化 | 第50-51页 |
| ·PSO-BP 网络模型的训练 | 第51-52页 |
| ·PSO-BP 网络模型的性能分析 | 第52-56页 |
| ·PSO-BP 神经网络模型在大坝变形区间预测中的应用 | 第56-59页 |
| 6 结论与展望 | 第59-61页 |
| ·主要结论 | 第59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录A 论文用到的大坝监测资料 | 第65-69页 |
| 作者简历 | 第69-70页 |
| 学位论文数据集 | 第70-71页 |
