| 1 绪论 | 第1-44页 |
| ·本文研究的目的和意义 | 第13页 |
| ·边坡稳定性评价的主要方法 | 第13-27页 |
| ·定性分析方法 | 第14-19页 |
| ·定量分析方法(数学模型法) | 第19-22页 |
| ·非确定性分析方法 | 第22-27页 |
| ·物理模型方法及监测分析法 | 第27页 |
| ·边坡稳定性研究的发展趋势 | 第27-28页 |
| ·边坡稳定性分析的不确定性及本文研究的主要内容 | 第28-33页 |
| ·工程模糊集理论简介 | 第33-44页 |
| ·相对隶属度与级别特征值定义 | 第33-35页 |
| ·模糊优选理论及多层次决策系统模糊优选方法 | 第35-37页 |
| ·模糊模式识别理论与模糊识别交叉迭代模型 | 第37-40页 |
| ·模糊聚类理论模型 | 第40-41页 |
| ·以互补性准则为基础的二元比较模糊决策分析理论 | 第41-44页 |
| 2 边坡稳定性模糊聚类分析及预测 | 第44-64页 |
| ·引言 | 第44页 |
| ·模糊聚类迭代模型在边坡稳定性预测中的应用 | 第44-54页 |
| ·模糊聚类迭代模型 | 第44-47页 |
| ·边坡稳定性模糊聚类预测 | 第47-50页 |
| ·应用实例 | 第50-54页 |
| ·模糊相似聚类模型 | 第54-62页 |
| ·模糊聚类迭代模型存在的问题 | 第54-57页 |
| ·模糊相似聚类模型的建立 | 第57-59页 |
| ·模糊相似聚类模型在边坡稳定性预测中的应用 | 第59-62页 |
| ·小结 | 第62-64页 |
| 3 模糊相似优选方法在边坡稳定性评价中的应用 | 第64-71页 |
| ·引言 | 第64页 |
| ·边坡稳定性模糊相似优选评价方法 | 第64-67页 |
| ·应用实例 | 第67-69页 |
| ·小结 | 第69-71页 |
| 4 边坡稳定性主客观权重模糊模式识别分析 | 第71-83页 |
| ·引言 | 第71页 |
| ·主客观权重模糊模式识别分析方法 | 第71-77页 |
| ·确定边坡稳定性指标客观权重的模糊模式识别交叉迭代模型 | 第71-75页 |
| ·分析者对指标偏好的主观权重确定方法 | 第75-76页 |
| ·确定边坡稳定性指标权重的主、客观综合法 | 第76-77页 |
| ·主、客观权重模糊模式识别模型应用 | 第77-82页 |
| ·工程实例 | 第77-78页 |
| ·建立边坡稳定性评定分级标准 | 第78页 |
| ·指标相对隶属度矩阵的确定 | 第78-79页 |
| ·模糊模式识别交叉迭代模型确定指标的客观权重 | 第79页 |
| ·主观权重的确定 | 第79-80页 |
| ·边坡稳定性指标权重的综合确定 | 第80-81页 |
| ·计算样本集归属各级别的相对隶属度矩阵 | 第81-82页 |
| ·小结 | 第82-83页 |
| 5 多层模糊模式识别模型在边坡稳定性评价中的应用 | 第83-92页 |
| ·引言 | 第83页 |
| ·多层模糊模式识别评价理论与模型 | 第83-87页 |
| ·模糊模式识别模型 | 第83-85页 |
| ·多层模糊模式识别评价模型 | 第85-87页 |
| ·应用实例 | 第87-92页 |
| 6 滑坡预报的综合统计模型及模糊优选法定权研究 | 第92-108页 |
| ·引言 | 第92-93页 |
| ·边坡位移曲线的正态特性 | 第93-95页 |
| ·位移—时间正态模型的建立 | 第93-94页 |
| ·位移—时间半正态模型 | 第94页 |
| ·对数模型 | 第94-95页 |
| ·滑坡预报的综合统计模型 | 第95页 |
| ·生物增长曲线模型 | 第95-97页 |
| ·Weibull模型 | 第96-97页 |
| ·Ratkousky渐近模型 | 第97页 |
| ·Pearl模型 | 第97页 |
| ·多元非线性回归模型 | 第97-98页 |
| ·位移—时间回归模型计算 | 第98-101页 |
| ·模型计算方法 | 第98-99页 |
| ·模糊优选法定权研究 | 第99-101页 |
| ·应用实例研究 | 第101-106页 |
| ·工程背景 | 第101页 |
| ·非线性回归模型对比分析 | 第101-106页 |
| ·小结 | 第106-108页 |
| 7 滑坡位移曲线模糊相似优选方法研究 | 第108-120页 |
| ·引言 | 第108页 |
| ·滑坡位移曲线模糊相似优选 | 第108-112页 |
| ·滑坡位移曲线的模糊相似优选模型 | 第108-110页 |
| ·滑坡位移曲线模糊相似优选方法 | 第110-111页 |
| ·参选曲线指标权的确定 | 第111-112页 |
| ·应用实例研究 | 第112-118页 |
| ·工程背景 | 第112-113页 |
| ·参选模型的对比分析 | 第113-115页 |
| ·非线性回归模型模糊优选 | 第115-118页 |
| ·小结 | 第118-120页 |
| 8 边坡稳定性智能评价及预测模式研究 | 第120-134页 |
| ·引言 | 第120-121页 |
| ·RBF神经网络模型分析 | 第121-124页 |
| ·RBF神经网络模型 | 第121-122页 |
| ·RBF神经网络训练算法 | 第122-124页 |
| ·边坡稳定性评价及预测的模糊相似聚类RBF神经网络 | 第124-129页 |
| ·问题的提出 | 第124页 |
| ·模糊相似聚类RBF神经网络模型 | 第124-127页 |
| ·实例研究 | 第127-129页 |
| ·边坡稳定性评价及预测的模糊相似聚类识别神经网络方法 | 第129-133页 |
| ·模糊相似聚类识别神经网络模型 | 第129-131页 |
| ·实例研究 | 第131-133页 |
| ·小结 | 第133-134页 |
| 9 总结与展望 | 第134-139页 |
| ·总结 | 第134-137页 |
| ·展望 | 第137-139页 |
| 创新点摘要 | 第139-140页 |
| 参考文献 | 第140-147页 |
| 攻读博士期间参加课题和完成论文 | 第147-148页 |
| 致谢 | 第148-149页 |
| 大连理工大学学位论文版权使用授权书 | 第149页 |
