【学位授予单位】:合肥工业大学
【学位级别】:硕士
【学位授予年份】:2009
【分类号】:TV698.1
【DOI】:CNKI:CDMD:2.2009.156143
【目录】:
- 摘要5-6
- Abstract6-7
- 致谢7-11
- 第一章 绪论11-14
- 1.1 选题的目的和意义11-12
- 1.2 国内外研究状况分析12-13
- 1.3 本文的研究思路及主要工作13-14
- 第二章 高边坡监控理论分析方法及预测模型研究14-20
- 2.1 高边坡监控理论分析方法及预测模型14-19
- 2.1.1 边坡系统的自组织特征14-15
- 2.1.2 边坡系统灰色理论研究15-16
- 2.1.3 边坡系统协同学研究16-17
- 2.1.4 边坡系统突变理论17-18
- 2.1.5 边坡系统分析、预测的人工神经网络方法18-19
- 2.2 本章小结19-20
- 第三章 高边坡监测数据的分形特征分析及分形预测模型建立20-39
- 3.1 概述20-21
- 3.2 分形理论的基本概念21-24
- 3.2.1 分形理论简述21-22
- 3.2.2 分形维数的定义与计算22-24
- 3.3 岩质高边坡监测数据的分形特征分析24-33
- 3.3.1 重标度级差分析的时间序列法(R/S 分析方法)24-26
- 3.3.2 工程实例26-32
- 3.3.3 结论32-33
- 3.4 岩质高边坡监测数据的分形预测模型33-38
- 3.4.1 改进的变维分形模型的建立33-35
- 3.4.2 工程实例35-37
- 3.4.3 结论37-38
- 3.5 本章小结38-39
- 第四章 高边坡监测数据的混沌特征分析及混沌预测模型建立39-57
- 4.1 概述39-40
- 4.2 混沌的概念40-41
- 4.2.1 混沌的基本定义40-41
- 4.2.2 混沌的基本特征41
- 4.3 高边坡监测数据系统的相空间重构41-47
- 4.3.1 相空间重构技术42-43
- 4.3.2 相空间重构参数的选取43-47
- 4.4 高边坡监测数据系统的混沌特征量47-50
- 4.4.1 关联维数d_247-48
- 4.4.2 Lyapunov 指数48-50
- 4.5 高边坡监测数据时间序列预测混沌模型50-52
- 4.5.1 基于Lyapunov 指数的时间序列预测模式50-51
- 4.5.2 模型的可预测时间51
- 4.5.3 高边坡监测数据时间序列预测混沌模型的计算过程51-52
- 4.6 工程实例52-55
- 4.7 本章小节55-57
- 第五章 结论与展望57-59
- 5.1 结论57-58
- 5.2 展望58-59
- 参考文献59-62