大坝安全监控的高斯过程回归模型
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-17页 |
| 1.1 大坝安全监控研究目的与意义 | 第8-9页 |
| 1.2 大坝安全监控模型的研究现状 | 第9-14页 |
| 1.2.1 国外研究现状 | 第9-11页 |
| 1.2.2 国内研究现状 | 第11-13页 |
| 1.2.3 现有模型存在的问题 | 第13-14页 |
| 1.3 大坝安全监控系统研究现状 | 第14-15页 |
| 1.3.1 当前研究进展 | 第14-15页 |
| 1.3.2 现有系统存在的不足 | 第15页 |
| 1.4 本文的研究内容 | 第15-17页 |
| 2 大坝的监控统计模型 | 第17-24页 |
| 2.1 引言 | 第17页 |
| 2.2 混凝土坝变形监控统计模型 | 第17-20页 |
| 2.2.1 水压分量yH | 第17-18页 |
| 2.2.2 温度分量yT | 第18-19页 |
| 2.2.3 时效分量yθ | 第19-20页 |
| 2.3 混凝土坝应力(应变)统计模型 | 第20-22页 |
| 2.3.1 水压分量yH | 第21页 |
| 2.3.2 温度分量yT | 第21页 |
| 2.3.3 时效分量yθ | 第21页 |
| 2.3.4 自重分量yG | 第21-22页 |
| 2.3.5 湿胀分量yW | 第22页 |
| 2.4 混凝土坝渗流监控统计模型 | 第22-24页 |
| 2.4.1 坝体孔隙水压力统计模型 | 第22页 |
| 2.4.2 坝基扬压力统计模型 | 第22-23页 |
| 2.4.3 渗流量统计模型 | 第23-24页 |
| 3 常用的已有建模方法 | 第24-31页 |
| 3.1 引言 | 第24页 |
| 3.2 多元线性回归分析法 | 第24-26页 |
| 3.2.1 多元线性回归方程的建立 | 第24-25页 |
| 3.2.2 多元线性回归方程评价指标 | 第25-26页 |
| 3.3 逐步回归分析法 | 第26-28页 |
| 3.3.1 逐步回归方程的建立 | 第26-27页 |
| 3.3.2 逐步回归方程的评价指标 | 第27-28页 |
| 3.4 RBF神经网络 | 第28-31页 |
| 3.4.1 RBF神经网络结构 | 第28-29页 |
| 3.4.2 RBF神经网络学习步骤 | 第29-31页 |
| 4 高斯过程回归大坝监控模型 | 第31-36页 |
| 4.1 引言 | 第31页 |
| 4.2 高斯过程 | 第31页 |
| 4.3 高斯过程回归 | 第31-33页 |
| 4.4 模型训练 | 第33页 |
| 4.5 高斯过程回归大坝监控模型的建立 | 第33-35页 |
| 4.6 评价指标 | 第35-36页 |
| 5 实例分析 | 第36-52页 |
| 5.1 引言 | 第36页 |
| 5.2 工程概况 | 第36-37页 |
| 5.3 数据和参数设置 | 第37-38页 |
| 5.4 结果和性能比较 | 第38-50页 |
| 5.5 本章小结 | 第50-52页 |
| 6 结论与展望 | 第52-53页 |
| 6.1 结论 | 第52页 |
| 6.2 展望 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59-61页 |
