| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 库岸边坡监测意义 | 第9-10页 |
| 1.2 库岸边坡多场研究 | 第10-11页 |
| 1.3 库岸边坡监测现状 | 第11-13页 |
| 1.4 库岸边坡稳定性分析方法 | 第13-15页 |
| 1.5 论文的研究内容与结构 | 第15-17页 |
| 第二章 BP神经网络理论 | 第17-25页 |
| 2.1 人工神经网络理论 | 第17页 |
| 2.2 人工神经网络模型 | 第17-20页 |
| 2.2.1 神经元模型 | 第17-18页 |
| 2.2.2 神经网络模型 | 第18-19页 |
| 2.2.3 神经网络的学习与训练 | 第19-20页 |
| 2.3 BP神经网络 | 第20-25页 |
| 2.3.1 BP神经网络原理 | 第20页 |
| 2.3.2 BP神经网络结构与算法 | 第20-24页 |
| 2.3.3 BP算法存在的问题 | 第24-25页 |
| 第三章 分布式光纤传感技术 | 第25-32页 |
| 3.1 分布式光纤传感技术和原理 | 第25-28页 |
| 3.1.1 BOTDR/A技术和原理 | 第25-27页 |
| 3.1.2 ROTDR技术和原理 | 第27页 |
| 3.1.3 FBG技术和原理 | 第27-28页 |
| 3.2 分布式光纤解调仪 | 第28-32页 |
| 第四章 边坡多场光纤监测系统 | 第32-39页 |
| 4.1 边坡多场光纤监测系统的建立 | 第32-33页 |
| 4.2 边坡多场光纤监测方案设计 | 第33-37页 |
| 4.2.1 变形场监测 | 第33-34页 |
| 4.2.2 温度场监测 | 第34-35页 |
| 4.2.3 渗流场监测 | 第35-36页 |
| 4.2.4 应力场监测 | 第36-37页 |
| 4.3 多场关联规则分析方法 | 第37-39页 |
| 第五章 基于BP神经网络的库岸边坡多场信息分析模型 | 第39-46页 |
| 5.1 数据挖掘标准流程 | 第39-40页 |
| 5.2 基于BP神经网络的库岸边坡多场信息分析模型 | 第40-46页 |
| 5.2.1 边坡稳定性影响因素的选取 | 第41-42页 |
| 5.2.2 样本数据的标准化 | 第42-43页 |
| 5.2.3 库岸边坡多场信息的BP神经网络模型建立 | 第43-46页 |
| 第六章 马家沟边坡多场监测与数据分析 | 第46-71页 |
| 6.1 概况 | 第46-47页 |
| 6.2 监测方案与监测成果 | 第47-59页 |
| 6.2.1 监测方案 | 第49-53页 |
| 6.2.2 监测成果 | 第53-59页 |
| 6.3 马家沟边坡多场数据关联分析 | 第59-63页 |
| 6.4 马家沟边坡多场数据BP神经网络分析 | 第63-71页 |
| 6.4.1 边坡多场数据准备和标准化处理 | 第63-65页 |
| 6.4.2 边坡多场数据的BP神经网络模型建立 | 第65-67页 |
| 6.4.3 敏感性分析和模型评估 | 第67-71页 |
| 第七章 总结与展望 | 第71-73页 |
| 7.1 全文总结与创新点 | 第71-72页 |
| 7.2 研究展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间的主要科研成果 | 第78-79页 |
| 致谢 | 第79-80页 |
