【摘要】： 随着高山峡谷地区大型水利工程建设项目的日益增多,边坡工程的高度越来越大,面临的问题也日趋复杂和困难,边坡失稳不仅影响工程进度,造成重大经济损失,且多涉及生命财产,故高边坡稳定监测是水利工程建设的核心内容之一,对监测数据的分析及对高边坡性态的预测具有重要的社会和经济意义。本文将高边坡视作一个动力系统,充分考虑其非线性问题,将分形理论、混沌理论等非线性科学应用到边坡监测资料分析和预测领域中,具体研究内容如下: 首先运用R/S法对高边坡监测时间序列进行分析,发现岩质高边坡是一个复杂的非线性动态系统,具有较强的分形特性,并在此基础上建立改进的变维分形预测模型对高边坡监测数据进行拟合、预测,计算结果表明该预测模型具有抗噪性强、适应小数据量监测资料,预测精度高等优点;接着引入混沌理论,研究了高边坡动力系统的相空间重构方法以及高边坡监测数据相空间重构参数的确定方法;最后对监测资料进行分析,证明了系统演化中存在混沌特性,并建立了基于Lyapunov指数的高边坡监控预测模型。 【关键词】：高边坡 监测数据 动力系统 非线性理论 预测模型 分形 混沌 Lyapunov指数
【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