| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-17页 |
| ·国内外水库大坝监测基本情况 | 第11-12页 |
| ·水库大坝安全监测的目的和意义 | 第12-13页 |
| ·大坝安全监测目的 | 第12页 |
| ·大坝安全监测意义 | 第12-13页 |
| ·大坝监测概述 | 第13-14页 |
| ·常用数据预测算法介绍 | 第14-15页 |
| ·本论文的研究内容 | 第15页 |
| ·论文的结构 | 第15-17页 |
| 第2章 中小型水库土坝安全监测系统 | 第17-38页 |
| ·传统水库土坝安全监测方法 | 第17-20页 |
| ·传统土坝安全监测概述 | 第17-18页 |
| ·传统土坝监测系统主要功能 | 第18-19页 |
| ·传统土坝安全监测系统缺陷 | 第19-20页 |
| ·改进土坝安全监测系统 | 第20-26页 |
| ·系统结构创新 | 第20-21页 |
| ·传感器 | 第21-22页 |
| ·数据采集模块 | 第22-23页 |
| ·电源自动管理技术 | 第23页 |
| ·远距离传送 | 第23页 |
| ·软件系统 | 第23-25页 |
| ·两种监测系统比较 | 第25-26页 |
| ·硬件电路软、硬件设计 | 第26-36页 |
| ·采集模块硬件设计 | 第26-30页 |
| ·电源自动管理硬件设计 | 第30-36页 |
| ·小结 | 第36-38页 |
| 第3章 数据预测分析算法 | 第38-58页 |
| ·人工神经网路 | 第38-41页 |
| ·生物神经元的基本原理 | 第38-39页 |
| ·神经网络的形式化描述 | 第39-40页 |
| ·神经网络所具有的特点 | 第40-41页 |
| ·BP算法 | 第41-47页 |
| ·基本BP算法 | 第41-42页 |
| ·BP算法的描述 | 第42-43页 |
| ·目标函数选取为总体误差的期望时BP算法的公式 | 第43-44页 |
| ·目标函数选取为总体误差的方差时BP算法公式 | 第44-46页 |
| ·BP网络算法的缺陷 | 第46-47页 |
| ·采用LEVENBERG-MARQUARDT算法对BP算法的改进 | 第47-51页 |
| ·数值优化技术 | 第47页 |
| ·Levenberg-Marquardt算法 | 第47-51页 |
| ·神经网络在数据预测系统的开发设计 | 第51-53页 |
| ·系统整体介绍 | 第51-52页 |
| ·部分概要设计 | 第52-53页 |
| ·程序流程 | 第53-54页 |
| ·数据预测 | 第54-56页 |
| ·两算法预测结果比较 | 第56-57页 |
| ·小结 | 第57-58页 |
| 第4章 系统实现 | 第58-65页 |
| ·系统项目简介 | 第58页 |
| ·新田立新水库安全监测系统组成 | 第58-61页 |
| ·大坝渗流观测 | 第60-61页 |
| ·大坝变形观测 | 第61页 |
| ·环境量观测 | 第61页 |
| ·数据传送 | 第61页 |
| ·软件介绍 | 第61-64页 |
| ·小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 附录A 攻读学位期间所获项目成果 | 第71-72页 |
| 附录B 设计原理图 | 第72页 |