小波—神经网络在深大基坑沉降预测中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·引言 | 第8-9页 |
| ·深基坑工程的发展现状 | 第9页 |
| ·深基坑沉降机理分析 | 第9-10页 |
| ·智能预测方法研究 | 第10-11页 |
| ·本文的研究内容与技术路线 | 第11-13页 |
| 第二章 小波分析 | 第13-26页 |
| ·概述 | 第13页 |
| ·傅里叶变换 | 第13-16页 |
| ·小波分析与 Mallat 算法 | 第16-23页 |
| ·基于小波变换的信号降噪 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 人工智能算法研究 | 第26-35页 |
| ·概述 | 第26-27页 |
| ·神经网络原理 | 第27-30页 |
| ·RBF 神经网络参数辨识模型 | 第30-31页 |
| ·数值仿真及效果分析 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 非线性模型辨识 | 第35-45页 |
| ·概述 | 第35-38页 |
| ·小波神经网络耦合算法 | 第38-42页 |
| ·小波-神经网络参数辨识模型 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 小波网络预测模型 | 第45-62页 |
| ·Wavelet-RBF 预测机理 | 第45-48页 |
| ·Wavelet-RBF 预测模型 | 第48-51页 |
| ·土体沉降变形预测 | 第51-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 结论与展望 | 第62-65页 |
| ·研究结论 | 第62-63页 |
| ·存在问题 | 第63-64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间的研究成果 | 第69页 |
