| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·引言 | 第9页 |
| ·研究目的及意义 | 第9-11页 |
| ·变形分析模型综述 | 第11-12页 |
| ·本文主要研究内容 | 第12-13页 |
| 第二章 理论基础 | 第13-28页 |
| ·小波分析理论基础 | 第13-20页 |
| ·小波分析数学基础 | 第13-14页 |
| ·小波变换 | 第14-15页 |
| ·常用小波基函数 | 第15-17页 |
| ·多分辨分析 | 第17-19页 |
| ·小波包分析 | 第19-20页 |
| ·人工神经网络基本理论 | 第20-26页 |
| ·人工神经网络的结构 | 第20-21页 |
| ·人工神经网络的学习算法 | 第21页 |
| ·人工神经网络的性质 | 第21-22页 |
| ·激活函数的主要形式 | 第22页 |
| ·BP神经网络 | 第22-24页 |
| ·小波神经网络理论基础 | 第24-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 小波去噪模型分析 | 第28-44页 |
| ·小波滤波去噪基本方法 | 第28-29页 |
| ·小波去噪效果评价体系 | 第29-30页 |
| ·改进阈值函数去噪方法研究 | 第30-42页 |
| ·阈值去噪基本原理 | 第30页 |
| ·改进的阈值函数去噪研究 | 第30-37页 |
| ·最佳分解层数的确定 | 第37-39页 |
| ·最优小波基函数的选取 | 第39-42页 |
| ·本章小结 | 第42-44页 |
| 第四章：小波神经网络模型分析研究 | 第44-55页 |
| ·粒子群算法基础 | 第44-46页 |
| ·粒子群算法基本原理 | 第44-45页 |
| ·粒子群算法基本步骤 | 第45-46页 |
| ·粒子群算法的方法改进 | 第46页 |
| ·本文采用的改进粒子群算法 | 第46-47页 |
| ·“WB-PSO”算法仿真 | 第47-51页 |
| ·测试函数的选取 | 第47-48页 |
| ·实验仿真 | 第48-51页 |
| ·改进粒子群小波神经网络模型构建 | 第51-54页 |
| ·小波神经网络的结构设计 | 第52-53页 |
| ·改进粒子群的小波神经网络训练步骤 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 实例分析 | 第55-71页 |
| ·变形预测模型的建立 | 第55-57页 |
| ·数据样本划分及归一化 | 第55-56页 |
| ·变形沉降模型的构建 | 第56页 |
| ·模型预测效果评价体系 | 第56-57页 |
| ·工程实例（一）预测 | 第57-63页 |
| ·工程概况 | 第57页 |
| ·网络模型训练 | 第57-63页 |
| ·工程实例（二）预测 | 第63-69页 |
| ·工程概况 | 第63页 |
| ·网络模型训练 | 第63-69页 |
| ·实验结果分析 | 第69-70页 |
| ·模型比较 | 第69页 |
| ·结果分析 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| ·总结 | 第71页 |
| ·展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 附录 | 第77-81页 |
| 附表（1）“CJ20”点ciof3 小波去噪统计表 | 第77-80页 |
| 附表（2）“T06”点sym5 小波去噪表 | 第80-81页 |
| 致谢 | 第81-82页 |
| 攻读学位期间论文发表情况 | 第82-83页 |