| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-30页 |
| ·选题的背景和研究意义 | 第11-13页 |
| ·大坝风险管理的基本概念 | 第13-19页 |
| ·大坝风险管理的基本概念及典型流程 | 第13-18页 |
| ·大坝风险管理的发展过程 | 第18-19页 |
| ·大坝风险分析的研究进展 | 第19-23页 |
| ·考虑水文、水力及水资源不确定性因素的风险分析研究进展 | 第19-20页 |
| ·考虑工程结构不确定性因素的风险分析研究进展 | 第20-22页 |
| ·考虑施工过程不确定性因素的风险分析研究进展 | 第22-23页 |
| ·群坝风险分析研究进展 | 第23页 |
| ·大坝可靠度分析的研究进展 | 第23-27页 |
| ·大坝静力可靠度分析研究进展 | 第24-26页 |
| ·大坝动力可靠度分析研究进展 | 第26-27页 |
| ·本文主要工作 | 第27-30页 |
| 2 静力荷载下混凝土重力坝风险分析方法研究 | 第30-74页 |
| ·基于改进粒子群-层次分析法的重力坝风险因素识别模型 | 第30-37页 |
| ·层次分析法 | 第31-32页 |
| ·基于选择机制的改进粒子群算法 | 第32-33页 |
| ·基于改进粒子群算法的层次分析法 | 第33-35页 |
| ·算例验证与分析 | 第35-37页 |
| ·基于人工蜂群算法的可靠指标计算方法 | 第37-48页 |
| ·可靠指标的基本概念及计算方法 | 第37-40页 |
| ·Hasofer-Lind可靠指标 | 第40-41页 |
| ·人工蜂群算法 | 第41-43页 |
| ·基于人工蜂群算法的可靠指标计算方法 | 第43-44页 |
| ·算例验证与分析 | 第44-48页 |
| ·基于最小二乘支持向量机的大坝失效概率计算方法 | 第48-62页 |
| ·机器学习的基本问题 | 第49-51页 |
| ·统计学习理论的核心内容 | 第51-52页 |
| ·支持向量机 | 第52-58页 |
| ·基于ABC-LSSVM的大坝失效概率计算方法 | 第58-60页 |
| ·算例验证与分析 | 第60-62页 |
| ·重力坝抗滑稳定时变风险分析 | 第62-72页 |
| ·重力坝时变风险 | 第63-64页 |
| ·重力坝稳定时变危险度 | 第64-67页 |
| ·重力坝失稳时变易损度 | 第67-68页 |
| ·算例验证与分析 | 第68-72页 |
| ·本章小结 | 第72-74页 |
| 3 动力荷载下混凝土重力坝易损性分析方法研究 | 第74-93页 |
| ·纵缝对重力坝动力反应的影响分析 | 第74-84页 |
| ·弥散裂缝模型 | 第75-76页 |
| ·基于罚函数法的动力接触模型 | 第76-77页 |
| ·数值分析 | 第77-84页 |
| ·基于最小二乘支持向量机的重力坝稳定易损性分析 | 第84-92页 |
| ·重力坝动力稳定性分析方法 | 第84-85页 |
| ·基于LSSVM的重力坝稳定易损性分析模型 | 第85-87页 |
| ·数值分析 | 第87-92页 |
| ·本章小结 | 第92-93页 |
| 4 大坝风险聚类及风险排序方法研究 | 第93-116页 |
| ·基于改进模糊聚类技术的大坝风险水平划分模型 | 第93-104页 |
| ·模糊C均值聚类算法 | 第93-95页 |
| ·人工蜂群-模糊C均值聚类算法 | 第95-96页 |
| ·算例验证与分析 | 第96-104页 |
| ·基于投影寻踪模型的边坡稳定性判别方法 | 第104-111页 |
| ·投影寻踪模型 | 第104-106页 |
| ·基于投影寻踪模型的边坡稳定性判别方法 | 第106页 |
| ·算例验证与分析 | 第106-111页 |
| ·基于改进投影寻踪模型的堰塞湖风险排序方法 | 第111-115页 |
| ·改进的投影寻踪模型 | 第111-112页 |
| ·算例验证与分析 | 第112-115页 |
| ·本章小结 | 第115-116页 |
| 5 结论与展望 | 第116-120页 |
| ·主要结论 | 第116-118页 |
| ·关于研究内容的一些展望 | 第118-120页 |
| 参考文献 | 第120-132页 |
| 论文创新点摘要 | 第132-133页 |
| 攻读博士学位期间发表学术论文情况 | 第133-134页 |
| 攻读博士学位期间审稿情况 | 第134页 |
| 攻读博士学位期间参与项目情况 | 第134-135页 |
| 致谢 | 第135-136页 |
| 作者简介 | 第136-137页 |