| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-27页 |
| ·选题背景及研究意义 | 第11-13页 |
| ·大坝安全监控模型研究现状 | 第13-17页 |
| ·监测资料正分析 | 第13-16页 |
| ·监测资料反分析 | 第16-17页 |
| ·大坝安全评价研究现状 | 第17-24页 |
| ·本文的主要研究工作 | 第24-27页 |
| 2 基于L-M算法的BP神经网络在大坝安全监控预报中的应用 | 第27-46页 |
| ·引言 | 第27页 |
| ·BP神经网络概述 | 第27-36页 |
| ·人工神经网络简介 | 第27-29页 |
| ·BP神经网络及其算法实现 | 第29-33页 |
| ·BP神经网络的缺陷 | 第33-35页 |
| ·BP神经网络的改进 | 第35-36页 |
| ·BP神经网络建模时应注意的问题 | 第36页 |
| ·L-M算法原理 | 第36-39页 |
| ·经典Newton算法 | 第37页 |
| ·L-M算法推导 | 第37-39页 |
| ·基于L-M算法的BP神经网络在大坝安全监控预报中的应用 | 第39-45页 |
| ·工程概况 | 第40-41页 |
| ·丰满大坝变形监控的L-M模型 | 第41-45页 |
| ·小结 | 第45-46页 |
| 3 径向基函数神经网络在大坝安全监控预报中的应用 | 第46-58页 |
| ·引言 | 第46页 |
| ·径向基函数神经网络 | 第46-55页 |
| ·径向基函数神经网络简介 | 第46-47页 |
| ·径向基函数神经网络模型结构 | 第47-48页 |
| ·径向基函数神经网络训练算法 | 第48-51页 |
| ·RBF神经网络与BP神经网络的对比 | 第51页 |
| ·径向基函数神经网络研究现状 | 第51-55页 |
| ·RBF神经网络在大坝安全监控预报中的应用 | 第55-57页 |
| ·小结 | 第57-58页 |
| 4 遗传神经网络在大坝安全监控预报中的应用 | 第58-85页 |
| ·引言 | 第58-59页 |
| ·遗传算法 | 第59-67页 |
| ·遗传算法的概念及发展历史 | 第59页 |
| ·遗传算法的特点 | 第59-60页 |
| ·遗传算法的应用情况 | 第60-62页 |
| ·遗传算法的实现 | 第62-67页 |
| ·遗传算法与神经网络结合的可行性研究 | 第67-69页 |
| ·遗传神经网络在大坝安全监控实时预报中的应用 | 第69-78页 |
| ·遗传神经网络权重优化算法 | 第69-71页 |
| ·遗传神经网络模型的建立 | 第71-73页 |
| ·工程实例及分析 | 第73-78页 |
| ·遗传单纯形神经网络在大坝安全监控预报中的应用 | 第78-84页 |
| ·单纯形法简介 | 第78-79页 |
| ·大坝安全监控遗传单纯形神经网络模型及其实现 | 第79-82页 |
| ·工程实例及分析 | 第82-84页 |
| ·小结 | 第84-85页 |
| 5 粒子群神经网络在大坝安全监控实时预报中的应用 | 第85-103页 |
| ·引言 | 第85页 |
| ·粒子群算法概述 | 第85-95页 |
| ·粒子群算法的基本原理 | 第85-86页 |
| ·粒子群算法的实现 | 第86-87页 |
| ·粒子群算法性能评估 | 第87-89页 |
| ·粒子群算法研究现状 | 第89-95页 |
| ·粒子群神经网络建模及训练 | 第95-96页 |
| ·工程实例 | 第96-101页 |
| ·小结 | 第101-103页 |
| 6 大坝安全监控组合预测模型研究 | 第103-118页 |
| ·引言 | 第103页 |
| ·加权算术平均组合预测模型 | 第103-104页 |
| ·基于IOWGA算子的组合预测模型 | 第104-112页 |
| ·IOWGA算子的引进 | 第104-105页 |
| ·基于IOWGA算子的组合预测模型的建立 | 第105-107页 |
| ·工程实例 | 第107-112页 |
| ·基于IOWA算子的组合预测模型 | 第112-117页 |
| ·IOWA算子的引入 | 第112-113页 |
| ·基于IOWA算子的组合预测模型的建立 | 第113-115页 |
| ·工程实例 | 第115-117页 |
| ·小结 | 第117-118页 |
| 7 径向基函数神经网络在大坝安全评价中的应用 | 第118-134页 |
| ·引言 | 第118页 |
| ·大坝安全评价指标体系 | 第118-120页 |
| ·大坝安全评价指标度量方法 | 第120-127页 |
| ·定量指标度量方法 | 第120-127页 |
| ·定性指标度量方法 | 第127页 |
| ·基于RBF神经网络的大坝安全评价 | 第127-128页 |
| ·工程实例 | 第128-133页 |
| ·小结 | 第133-134页 |
| 8 结论与展望 | 第134-137页 |
| 参考文献 | 第137-152页 |
| 创新点摘要 | 第152-153页 |
| 攻读博士学位期间发表学术论文情况 | 第153-154页 |
| 致谢 | 第154-155页 |