尾矿库坝体变形稳定性监测技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题来源 | 第9页 |
| ·课题背景与意义 | 第9-11页 |
| ·国内外研究现状和发展趋势 | 第11-15页 |
| ·尾矿坝稳定性分析 | 第11-12页 |
| ·尾矿坝变形预测理论与应用 | 第12-13页 |
| ·尾矿坝变形监测技术方法 | 第13-14页 |
| ·尾矿坝安全监测预警系统 | 第14-15页 |
| ·论文研究方法与技术路线 | 第15-17页 |
| ·研究方法 | 第15页 |
| ·技术路线 | 第15-17页 |
| 第二章 尾矿坝稳定性分析研究 | 第17-27页 |
| ·尾矿坝 | 第17-20页 |
| ·尾矿坝的组成和作用 | 第17页 |
| ·尾矿坝的分类 | 第17-19页 |
| ·尾矿坝的安全等级 | 第19-20页 |
| ·尾矿坝破坏形式 | 第20-22页 |
| ·尾矿坝稳定性因素安全分析 | 第22-25页 |
| ·尾矿物对坝体稳定性的影响 | 第22-23页 |
| ·外部环境对坝体稳定性的影响 | 第23页 |
| ·尾矿堆积对坝体稳定性的影响 | 第23-24页 |
| ·浸润线高度对坝体稳定性的影响 | 第24-25页 |
| ·尾矿坝稳定性提高措施 | 第25-27页 |
| ·布设坝体排渗管道 | 第25-26页 |
| ·提高坝体密实度 | 第26页 |
| ·应用绿色加固技术 | 第26-27页 |
| 第三章 基于支持向量机的尾矿坝变形预测模型研究 | 第27-43页 |
| ·尾矿坝变形预测方法 | 第27-28页 |
| ·尾矿坝变形的复杂性 | 第27页 |
| ·尾矿坝变形预测理论与方法 | 第27-28页 |
| ·最小二乘支持向量回归算法 | 第28-33页 |
| ·结构风险最小化原理 | 第28-29页 |
| ·支持向量机 | 第29-31页 |
| ·最小二小乘支持向量机 | 第31-32页 |
| ·LSSVR算法与SVM算法的比较 | 第32-33页 |
| ·改进粒子群算法优化LSSVR参数 | 第33-38页 |
| ·LSSVR中参数的选择和优化 | 第33-34页 |
| ·标准粒子群算法 | 第34-36页 |
| ·改进粒子群算法 | 第36-37页 |
| ·改进粒子群算法与其他算法的比较 | 第37-38页 |
| ·改进PSO-LSSVM在尾矿坝变形预测中的应用 | 第38-43页 |
| ·改进粒子群算法优化LSSVR参数 | 第39-41页 |
| ·预测模型的实验结果 | 第41-43页 |
| 第四章 尾矿库坝体变形监测技术 | 第43-65页 |
| ·尾矿库在线安全监测 | 第43-49页 |
| ·尾矿库在线安全监测内容与方法 | 第43-47页 |
| ·尾矿库在线安全监测系统组成 | 第47-49页 |
| ·坝体变形监测技术应用 | 第49-56页 |
| ·山东某金矿尾矿库 | 第50-51页 |
| ·坝体变形监测点布设 | 第51页 |
| ·智能传感器节点电路 | 第51-55页 |
| ·监测仪器 | 第55-56页 |
| ·尾矿库在线监测软件设计 | 第56-59页 |
| ·基于混合编程的尾矿坝变形预测模型实现 | 第59-65页 |
| ·构建坝体变形预测模型 | 第59-62页 |
| ·基于混合编程的预测模型的实现 | 第62-65页 |
| 第五章 结论与展望 | 第65-67页 |
| ·结论 | 第65页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的论文及参与的课题 | 第71-72页 |
| 致谢 | 第72页 |
