| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-19页 |
| ·概述 | 第10页 |
| ·大坝安全监控及其研究现状 | 第10-17页 |
| ·监测数据采集 | 第11-12页 |
| ·监测数据分析与评判 | 第12-17页 |
| ·大坝安全监测数据挖掘 | 第17-18页 |
| ·小结 | 第18-19页 |
| 第二章 理论基础与相关技术 | 第19-39页 |
| ·逐步回归算法 | 第19-20页 |
| ·模糊理论基础 | 第20-28页 |
| ·模糊集合 | 第21-23页 |
| ·模糊关系 | 第23-24页 |
| ·隶属函数 | 第24-28页 |
| ·神经网络基础 | 第28-31页 |
| ·神经元及其特性 | 第29页 |
| ·神经网络的基本类型 | 第29-31页 |
| ·神经网络的主要学习算法 | 第31页 |
| ·ELMAN神经网络 | 第31-35页 |
| ·基本ELMAN网络 | 第31-33页 |
| ·改进ELMAN网络 | 第33-35页 |
| ·大坝安全监控模型 | 第35-38页 |
| ·监控模型理论 | 第35-38页 |
| ·线性模型 | 第38页 |
| ·小结 | 第38-39页 |
| 第三章 基于模糊理论的逐步回归算法改进 | 第39-47页 |
| ·逐步回归算法的分析 | 第39-41页 |
| ·算法的集合描述 | 第39-40页 |
| ·“精确”度的定义 | 第40-41页 |
| ·逐步回归算法的改进 | 第41-45页 |
| ·模糊理论的应用 | 第41-42页 |
| ·“精练”度的定义 | 第42页 |
| ·模糊化逐步回归算法 | 第42-44页 |
| ·动态学习算法 | 第44-45页 |
| ·算法实验 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第四章 基于改进ELMAN神经网络的多模型预测优化 | 第47-52页 |
| ·线性模型的误差 | 第47页 |
| ·多模型预测优化方案 | 第47-50页 |
| ·神经网络模型的选取 | 第50-51页 |
| ·小结 | 第51-52页 |
| 第五章 大坝安全监测数据挖掘系统的设计与实现 | 第52-67页 |
| ·系统开发背景 | 第52-57页 |
| ·系统设计 | 第57-59页 |
| ·系统流程设计 | 第57-58页 |
| ·系统结构设计 | 第58-59页 |
| ·详细设计与实现 | 第59-63页 |
| ·基于模糊化逐步回归动态学习算法的模型分析子系统 | 第59-62页 |
| ·基于改进的ELMAN神经网络的模型优化子系统 | 第62-63页 |
| ·系统应用实例 | 第63-66页 |
| ·小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·研究工作总结 | 第67-68页 |
| ·研究工作展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间参加的科研项目与发表的学术论文 | 第73页 |