论文目录 | |
| 摘要 | 第1-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 原型监测资料处理方法 | 第11-12页 |
| 1.2.2 材料参数反演 | 第12-13页 |
| 1.2.3 变形监控模型 | 第13-14页 |
| 1.2.4 变形预警指标 | 第14-15页 |
| 1.3 问题的提出 | 第15页 |
| 1.4 本文主要研究内容 | 第15-18页 |
| 第2章 大坝变形监测数据处理与挖掘 | 第18-32页 |
| 2.1 概述 | 第18页 |
| 2.2 基于KPCA-ELM的变形监测缺失数据插补模型 | 第18-22页 |
| 2.2.1 核主成分分析(KPCA) | 第18-20页 |
| 2.2.2 极限学习机(ELM) | 第20-21页 |
| 2.2.3 基于KPCA-ELM的变形监测缺失数据插补步骤 | 第21-22页 |
| 2.3 基于SSA-3σ准则的监测数据变异点诊断方法 | 第22-26页 |
| 2.3.1 奇异谱分析(SSA) | 第22-24页 |
| 2.3.2 拉依达准则(3σ准则) | 第24页 |
| 2.3.3 基于SSA-3σ准则的变异点诊断 | 第24-26页 |
| 2.4 算例分析 | 第26-31页 |
| 2.4.1 缺失数据插补 | 第26-29页 |
| 2.4.2 变异点识别 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于粗糙神经网络的混凝土坝材料参数区间反演 | 第32-42页 |
| 3.1 概述 | 第32页 |
| 3.2 基于粗糙神经网络的混凝土坝材料参数区间反分析模型 | 第32-37页 |
| 3.2.1 区间分析理论 | 第32-34页 |
| 3.2.2 粗糙集理论 | 第34-35页 |
| 3.2.3 具有区间参数反演功能的粗糙神经网络模型 | 第35-37页 |
| 3.3 混凝土坝材料参数区间反演 | 第37-38页 |
| 3.4 算例分析 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 顾及多元环境效应混凝土重力坝变形监控模型 | 第42-62页 |
| 4.1 概述 | 第42页 |
| 4.2 顾及多元环境效应改进的混凝土坝变形监控模型 | 第42-51页 |
| 4.2.1 混凝土坝变形监控基本理论 | 第42-44页 |
| 4.2.2 顾及多元环境效应改进的混凝土坝变形监控理论 | 第44-46页 |
| 4.2.3 基于SSA-CSO-RVM的变形监控统计模型 | 第46-51页 |
| 4.3 混凝土坝变形监控混合模型 | 第51-54页 |
| 4.4 算例分析 | 第54-61页 |
| 4.4.1 变形监控统计模型 | 第54-59页 |
| 4.4.2 变形监控混合模型 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 混凝土重力坝运行效力变形预警指标 | 第62-69页 |
| 5.1 概述 | 第62页 |
| 5.2 混凝土坝变形预警指标拟定方法 | 第62-64页 |
| 5.2.1 基本原理 | 第62-63页 |
| 5.2.2 结构分析法 | 第63-64页 |
| 5.2.3 典型小概率法 | 第64页 |
| 5.3 算例分析 | 第64-68页 |
| 5.3.1 结构分析法 | 第64-66页 |
| 5.3.2 典型小概率法 | 第66-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-79页 |
| 攻读学位期间的研究成果 | 第79页 |
