大坝安全监测数据分析方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-26页 |
| ·大坝安全概述 | 第10-11页 |
| ·大坝安全监测 | 第11-13页 |
| ·大坝安全监测数据分析概述 | 第13-16页 |
| ·监测数据分析的意义和内容 | 第13-15页 |
| ·监测数据分析发展概述 | 第15-16页 |
| ·监测数据分析方法概述 | 第16-23页 |
| ·本文的研究内容、思路及创新点 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 2 监测数据的时间序列分析 | 第26-67页 |
| ·时间序列的概念 | 第26-30页 |
| ·时间序列的数字特征 | 第27-28页 |
| ·时间序列的平稳性 | 第28-30页 |
| ·时间序列的平稳性检验 | 第30-34页 |
| ·利用图形进行平稳性判断 | 第30-31页 |
| ·单位根检验 | 第31-34页 |
| ·协整理论 | 第34-39页 |
| ·单整 | 第35页 |
| ·协整定义 | 第35-36页 |
| ·协整检验 | 第36-39页 |
| ·误差修正模型 | 第39-42页 |
| ·基于自回归模型的安全监控指标 | 第42-48页 |
| ·自回归模型 | 第42-43页 |
| ·自回归模型参数估计 | 第43-46页 |
| ·安全监控指标的确定 | 第46-48页 |
| ·实例分析 | 第48-66页 |
| ·误差修正模型的实例分析 | 第48-59页 |
| ·CPR监控指标的实例分析 | 第59-66页 |
| ·本章小结 | 第66-67页 |
| 3 监测数据的高阶统计量分析 | 第67-102页 |
| ·平稳随机过程的二阶统计量 | 第67-69页 |
| ·现代谱估计 | 第69-72页 |
| ·Burg最大熵谱估计 | 第69-70页 |
| ·Burg算法 | 第70-72页 |
| ·高阶统计量分析 | 第72-80页 |
| ·高阶矩与高阶累积量 | 第72-75页 |
| ·高阶谱 | 第75-80页 |
| ·实例分析 | 第80-101页 |
| ·钢筋混凝土梁损伤试验的分析 | 第80-93页 |
| ·大坝变形观测数据的分析 | 第93-101页 |
| ·本章小结 | 第101-102页 |
| 4 监测数据的状态空间模型 | 第102-124页 |
| ·状态空间模型 | 第102-104页 |
| ·Kalman滤波 | 第104-106页 |
| ·状态空间模型的平滑与预测 | 第106-108页 |
| ·固定区间平滑 | 第106-107页 |
| ·预测 | 第107-108页 |
| ·状态空间模型参数估计 | 第108-113页 |
| ·似然函数和EM算法 | 第108-109页 |
| ·参数估计 | 第109-113页 |
| ·实例分析 | 第113-123页 |
| ·混凝土坝时效位移 | 第114-117页 |
| ·状态空间模型分析 | 第117-123页 |
| ·本章小结 | 第123-124页 |
| 5 监测数据的自组织数据挖掘 | 第124-149页 |
| ·自组织数据挖掘概述 | 第124-129页 |
| ·数据挖掘 | 第124-125页 |
| ·启发式自组织方法 | 第125-127页 |
| ·自组织数据挖掘建模 | 第127-129页 |
| ·自组织数据挖掘算法 | 第129-140页 |
| ·自组织挖掘算法的函数流程 | 第129-131页 |
| ·GMDH算法 | 第131-136页 |
| ·选择准则 | 第136-140页 |
| ·GMDH算法与其他算法的比较 | 第140-143页 |
| ·实例分析 | 第143-148页 |
| ·本章小结 | 第148-149页 |
| 6 结论与展望 | 第149-153页 |
| ·本文研究内容总结 | 第149-151页 |
| ·进一步研究的展望 | 第151-153页 |
| 参考文献 | 第153-162页 |
| 攻读学位期间的科研成果 | 第162-163页 |
| 致谢 | 第163页 |
