| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题背景与意义 | 第9-11页 |
| 1.3 国内外研究现状及发展趋势 | 第11-14页 |
| 1.3.1 尾矿库安全监测预警系统现状 | 第11-12页 |
| 1.3.2 尾矿库浸润线监测技术发展趋势 | 第12-13页 |
| 1.3.3 尾矿库浸润线预测现状 | 第13页 |
| 1.3.4 灰色神经网络在渗流分析中的应用趋势 | 第13-14页 |
| 1.4 论文研究方法和技术路线 | 第14-15页 |
| 1.4.1 研究方法 | 第14-15页 |
| 1.4.2 技术路线 | 第15页 |
| 1.5 本章小结 | 第15-17页 |
| 第二章 浸润线对尾矿库安全性的影响及治理研究 | 第17-32页 |
| 2.1 尾矿库简介 | 第17-20页 |
| 2.1.1 尾矿库的组成和作用 | 第17-18页 |
| 2.1.2 尾矿库的分类和坝体构成 | 第18-19页 |
| 2.1.3 尾矿库的安全等级 | 第19-20页 |
| 2.2 浸润线对尾矿库安全性的影响分析 | 第20-25页 |
| 2.2.1 浸润线的形成及浸润线高度数值模拟分析 | 第20-22页 |
| 2.2.2 坝坡渗流对尾矿库安全性的影响 | 第22-24页 |
| 2.2.3 浸润线高度对尾矿库安全性的影响 | 第24-25页 |
| 2.3 影响尾矿库浸润线的因素分析 | 第25-28页 |
| 2.3.1 尾矿堆积对浸润线高度的影响 | 第25-27页 |
| 2.3.2 库水位对浸润线高度的影响 | 第27页 |
| 2.3.3 干滩长度对浸润线高度的影响 | 第27-28页 |
| 2.4 浸润线监测与降低浸润线的治理措施 | 第28-31页 |
| 2.4.1 浸润线监测 | 第28-29页 |
| 2.4.2 浸润线过高的治理措施 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于改进灰色神经网络的浸润线预测模型研究 | 第32-54页 |
| 3.1 灰色系统理论预测算法及优化 | 第32-41页 |
| 3.1.1 灰色系统理论概述 | 第33页 |
| 3.1.2 GM(1,1)模型算法优化及比较 | 第33-39页 |
| 3.1.3 灰色关联度分析及GM(0,N)模型 | 第39-41页 |
| 3.2 BP神经网络预测算法及优化 | 第41-49页 |
| 3.2.1 BP神经网络算法及局限 | 第41-43页 |
| 3.2.2 遗传算法优化BP神经网络 | 第43-46页 |
| 3.2.3 优化算法与传统算法的比较 | 第46-49页 |
| 3.3 建立尾矿库浸润线预测模型 | 第49-53页 |
| 3.3.1 组合预测模型介绍 | 第49页 |
| 3.3.2 改进灰色神经网络模型 | 第49-50页 |
| 3.3.3 确定GM(0,3)模型及计算组合模型权系数 | 第50-51页 |
| 3.3.4 浸润线预测模型的建立 | 第51-53页 |
| 3.4 本章总结 | 第53-54页 |
| 第四章 尾矿库浸润线监测与预测模型模拟分析 | 第54-63页 |
| 4.1 尾矿库浸润线监测与数据采集 | 第54-55页 |
| 4.2 不同模型对尾矿库浸润线的预测 | 第55-60页 |
| 4.3 预测模型结果对比分析 | 第60-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 浸润线预测模型在尾矿库安全监测系统中的应用 | 第63-74页 |
| 5.1 尾矿库安全监测 | 第63-65页 |
| 5.1.1 尾矿库安全监测内容和方法 | 第63-64页 |
| 5.1.2 尾矿库在线安全监测系统组成 | 第64-65页 |
| 5.2 尾矿库在线安全监测系统软件设计 | 第65-68页 |
| 5.2.1 数据采集程序设计 | 第65-66页 |
| 5.2.2 上位机用户界面软件设计 | 第66-68页 |
| 5.3 基于混合编程的尾矿库浸润线预测模型应用 | 第68-73页 |
| 5.3.1 构建浸润线预测模型 | 第68-71页 |
| 5.3.2 基于混合编程的预测模型应用 | 第71-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第六章 结论与展望 | 第74-76页 |
| 6.1 结论 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 攻读硕士学位期间发表的论文及参与的课题 | 第79-80页 |
| 致谢 | 第80页 |