小波神经网络在高铁路基沉降监测中的应用研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 沉降预测模型概述 | 第10-13页 |
| 1.2.1 理论计算法 | 第10页 |
| 1.2.2 实测数据分析法 | 第10-12页 |
| 1.2.3 小波神经网络研究现状 | 第12-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 小波变换 | 第15-24页 |
| 2.1 小波理论 | 第15-17页 |
| 2.1.1 连续小波变换 | 第15-17页 |
| 2.1.2 离散小波变换 | 第17页 |
| 2.2 常用小波函数 | 第17-18页 |
| 2.3 小波去噪 | 第18-20页 |
| 2.3.1 小波滤波去噪方法 | 第18-19页 |
| 2.3.2 小波去噪的过程 | 第19页 |
| 2.3.3 小波滤波去噪的评价 | 第19-20页 |
| 2.4 仿真试验 | 第20-23页 |
| 2.4.1 四种小波分解信号细节 | 第21-22页 |
| 2.4.2 小波去噪效果分析 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 人工神经网络 | 第24-39页 |
| 3.1 人工神经网络 | 第24-29页 |
| 3.1.1 神经元模型 | 第24-25页 |
| 3.1.2 激活函数 | 第25-27页 |
| 3.1.3 神经网络结构 | 第27-28页 |
| 3.1.4 神经网络学习 | 第28-29页 |
| 3.2 BP神经网络 | 第29-33页 |
| 3.2.1 BP网络模型 | 第29-32页 |
| 3.2.2 BP网络的改进 | 第32-33页 |
| 3.3 仿真试验 | 第33-38页 |
| 3.3.1 数据准备 | 第34-35页 |
| 3.3.2 BP网络模型构建 | 第35-36页 |
| 3.3.3 预测数据比较 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 小波神经网络 | 第39-51页 |
| 4.1 小波神经网络模型 | 第39-43页 |
| 4.1.1 小波神经网络分类 | 第39-40页 |
| 4.1.2 小波神经网络的算法 | 第40-43页 |
| 4.2 仿真试验 | 第43-50页 |
| 4.2.1 小波去噪效果分析 | 第44-47页 |
| 4.2.2 小波神经网络预测分析 | 第47-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 小波神经网络在高铁路基沉降中的应用 | 第51-68页 |
| 5.1 工程概况 | 第51-55页 |
| 5.1.1 区段范围 | 第51页 |
| 5.1.2 地质及地基处理情况 | 第51-52页 |
| 5.1.3 沉降变形观测实施过程 | 第52-55页 |
| 5.2 小波去噪 | 第55-59页 |
| 5.2.1 小波去噪结果对比 | 第56-59页 |
| 5.2.2 小波去噪结果分析 | 第59页 |
| 5.3 小波神经网络沉降预测模型建立及沉降预测 | 第59-66页 |
| 5.3.1 预测模型建立 | 第59-64页 |
| 5.3.2 模型建立 | 第64页 |
| 5.3.3 预测结果及比较 | 第64-66页 |
| 5.4 预测结果分析 | 第66-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 结论与展望 | 第68-70页 |
| 6.1 结论 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72页 |
