小波理论在大坝变形监测数据分析中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·研究目的和意义 | 第8页 |
| ·大坝变形监测资料处理与分析研究现状 | 第8-12页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状 | 第9-12页 |
| ·小波理论研究现状 | 第12-14页 |
| ·小波分析概述 | 第12-13页 |
| ·小波分析应用现状 | 第13-14页 |
| ·小波神经网络研究概况 | 第14页 |
| ·论文研究内容与思路 | 第14-16页 |
| 2 小波分析的基本理论方法 | 第16-33页 |
| ·傅里叶变换与小波变换 | 第16-18页 |
| ·傅里叶变换 | 第16-17页 |
| ·短时Fourier变换 | 第17页 |
| ·从傅里叶变换到小波分析 | 第17-18页 |
| ·小波变换 | 第18-21页 |
| ·连续小波变换 | 第18-20页 |
| ·离散小波变换 | 第20-21页 |
| ·多分辨率分析与正交小波变换 | 第21-24页 |
| ·多分辨率分析 | 第21-23页 |
| ·二尺度方程 | 第23-24页 |
| ·Mallat算法 | 第24-26页 |
| ·Mallat算法的综述 | 第24-25页 |
| ·Mallat分解算法 | 第25-26页 |
| ·Mallat合成算法 | 第26页 |
| ·常用小波函数 | 第26-32页 |
| ·小波基的数学特性 | 第26-28页 |
| ·常用小波函数 | 第28-32页 |
| ·本章小结 | 第32-33页 |
| 3 小波分析在大坝变形监测数据分析中的应用研究 | 第33-55页 |
| ·大坝变形监测数据的异常值检测与处理 | 第33-39页 |
| ·基本原理 | 第34-35页 |
| ·实例分析 | 第35-39页 |
| ·大坝变形监测数据的去噪处理 | 第39-47页 |
| ·基于小波分析的信号去噪问题基本原理 | 第40-41页 |
| ·小波去噪方法 | 第41-45页 |
| ·实例分析 | 第45-47页 |
| ·大坝变形监测数据时效分量的提取 | 第47-54页 |
| ·基本原理 | 第48页 |
| ·实例分析 | 第48-54页 |
| ·本章小结 | 第54-55页 |
| 4 小波神经网络在大坝变形分析中的应用研究 | 第55-76页 |
| ·人工神经网络基本理论 | 第55-59页 |
| ·神经元基本结构 | 第55-57页 |
| ·神经网络的学习算法 | 第57-58页 |
| ·BP神经网络算法优点及缺陷 | 第58页 |
| ·BP神经网络算法的改进 | 第58-59页 |
| ·小波神经网络基本理论 | 第59-65页 |
| ·小波神经网络的结合方式 | 第59-60页 |
| ·小波神经网络的分类 | 第60-61页 |
| ·小波神经网络的算法 | 第61-63页 |
| ·小波神经网络的自适应调整学习率优化算法 | 第63-64页 |
| ·小波神经网络的程序实现 | 第64-65页 |
| ·大坝变形预测的小波神经网络拟合与预测 | 第65-75页 |
| ·模型的确定 | 第66-69页 |
| ·预测模型的训练 | 第69-73页 |
| ·大坝变形预测模型预测及对比分析 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 5 总结与展望 | 第76-78页 |
| ·总结 | 第76页 |
| ·展望 | 第76-78页 |
| 致谢 | 第78页 |
| 参考文献 | 第78-83页 |
| 附录 | 第83页 |
