| 第1章 绪论 | 第1-15页 |
| ·高边坡稳定性分析的目的和意义 | 第7-8页 |
| ·边坡稳定性分析方法 | 第8-13页 |
| ·定性分析方法 | 第8页 |
| ·定量分析方法 | 第8-12页 |
| ·软计算分析方法 | 第12-13页 |
| ·不确定性分析方法 | 第13页 |
| ·本论文的选题及主要研究内容 | 第13-15页 |
| ·论文的选题 | 第13-14页 |
| ·论文的主要研究内容 | 第14-15页 |
| 第2章 灰色系统基本理论 | 第15-25页 |
| ·灰色系统理论的基本原则 | 第15-17页 |
| ·信息的非完全性原则 | 第15页 |
| ·非唯一性原则 | 第15-16页 |
| ·实现信息优先原则 | 第16-17页 |
| ·灰色系统理论的基本方法 | 第17页 |
| ·灰色系统理论的主要内容 | 第17-19页 |
| ·灰色系统理论的基本原理 | 第19-20页 |
| ·灰色系统理论与概率、模糊的对比 | 第20-21页 |
| ·灰色系统理论的基本概念 | 第21-25页 |
| ·灰数、灰度、灰元 | 第21-22页 |
| ·灰生成 | 第22页 |
| ·灰色代数方程与灰色微分方程 | 第22-25页 |
| 第3章 边坡稳定性因素的灰关联分析及BP神经网络在边坡中的应用 | 第25-42页 |
| ·灰关联空间概述 | 第25-26页 |
| ·灰关联分析意图、内涵 | 第25页 |
| ·灰关联分析的功能、技术内涵 | 第25-26页 |
| ·灰关联分析的理论基础 | 第26-31页 |
| ·离散函数间的距离与绝对差 | 第26页 |
| ·关联离散函数和关联度 | 第26-29页 |
| ·灰色系统关联分析方法 | 第29-31页 |
| ·关联度分析在边坡稳定性敏感度分析中的应用 | 第31-33页 |
| ·人工神经网络在边坡分析中的应用 | 第33-38页 |
| ·BP神经网络算法 | 第34-37页 |
| ·BP神经网络在边坡分析中的应用 | 第37-38页 |
| ·基于灰关联分析的BP神经网络预测法 | 第38-42页 |
| 第4章 灰预测在边坡变形预测中的应用 | 第42-52页 |
| ·灰预测概述 | 第42-43页 |
| ·灰预测机理 | 第42-43页 |
| ·灰预测类型 | 第43页 |
| ·GM(1，1)灰模型 | 第43-48页 |
| ·GM(1，1)参数的矩阵算式 | 第44-47页 |
| ·非等间隔GM(1，1)及参数 | 第47-48页 |
| ·非等间隔GM(1，1)模型在边坡变形预测方面的应用 | 第48-52页 |
| 结论 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文 | 第58页 |