啪啪国产视频_一级高清毛片_日韩精品中文字幕在线观看_免费视频一区二区三区四区

　　【摘要】： 邊坡工程是一項隨處可見而且危險性極高的巖土工程項目。邊坡的穩定狀況事關人類生命財產安全,有時甚至關系到一個國家的經濟和社會的發展。本文重點研究邊坡監測與預測預報中的智能化方法。 首先,論文對邊坡的監測方法做了比較詳細的討論與分析。傳統的邊坡監測往往不能實時采集到有用的信息。因此,本文提出了多參數、多測點集成化監測的技術構想,即在監測的現場布置的監測儀器能夠一臺儀器連接多個傳感器,采集多個參數的信息,再通過無線傳輸技術把數據實時提交給監控中心進行分析和預測。 其次,論文詳細介紹了對采集的數據進行分析和預測的種種方法,包括數據的預處理、分析過程和預測預報方法。對邊坡進行監測是提取數據的方法,但是對提取的數據如何得出其中的規律性,并對邊坡的未來狀況進行預測預報更是一個重要的部分。因此本文提出采用曲線擬合、趨勢疊加、卡爾曼濾波和小波濾波方法對數據進行預處理。根據監測數據的不同種類和屬性,我們可以采用多元線性回歸分析、非線性回歸分析、指數平滑法、自回歸模型、滑動平均模型、自回歸滑動平均模型、門限自回歸模型、非線性動力學模型、非線性混沌模型、灰色系統模型和神經網絡模型對數據進行分析。結合信息融合技術,本文建立了組合灰色神經網絡模型和灰色神經網絡模型。并且對預測預報軟件進行了開發。 同時,對數據進行分析之后,如何通過數據的后期發展來表述邊坡的穩定狀況便是預報判據建立的過程。由于監測數據包括物理的、數學的和統計的等參量,本文提出了采用信息融合技術結合專家經驗的方法建立智能預報判據。 最后,在對前三方面進行分析的基礎之上,本文對邊坡的遠程網絡監控技術進行了探討。 【關鍵詞】：邊坡監測 監測數據 處理 預測預報 信息融合 預報判據 網絡監控
【學位授予單位】：中國科學院研究生院（武漢巖土力學研究所）
【學位級別】：碩士
【學位授予年份】：2005
【分類號】：TU43
【DOI】：CNKI:CDMD:2.2006.194671
【目錄】：

• 中文摘要5-6
• 英文摘要6-12
• 第一章 緒論12-19
• 1.1 引言12-14
• 1.2 國內外研究的歷史與現狀14-17
• 1.2.1 監測方法的研究現狀14-15
• 1.2.2 預測預報的研究歷史與現狀15-16
• 1.2.3 預報判據的研究現狀16-17
• 1.3 本文研究的主要內容、目的和意義17-19
• 1.3.1 研究內容17
• 1.3.2 研究目標17-18
• 1.3.3 研究意義18-19
• 第二章 邊坡預測預報參數的提取19-34
• 2.1 引言19-20
• 2.2 邊坡監測的內涵20-21
• 2.2.1 監測的目的和作用20-21
• 2.2.2 邊坡監測的主要內容21
• 2.3 監測數據提取的具體實現21-30
• 2.4 目前方法的改進和多參數監測系統的形成30-32
• 2.4.1 監測技術未來的發展30-31
• 2.4.2 監測系統形成的原則31
• 2.4.3 監測系統的形成31-32
• 2.5 本章小結32-34
• 第三章 監測現場綜合信息分析處理平臺34-95
• 3.1 引言34-35
• 3.2 監測數據預處理35-42
• 3.2.1 數據的曲線擬合35-36
• 3.2.2 趨勢疊加36-37
• 3.2.3 數據的濾波處理37-40
• 3.2.4 多元非線性相關分析40-42
• 3.3 監測數據的常規處理42-53
• 3.3.1 回歸分析42-45
• 3.3.1.1 多元線性回歸分析42-43
• 3.3.1.2 非線性回歸分析43-45
• 3.3.2 時間序列分析45-53
• 3.3.2.1 指數平滑法45-47
• 3.3.2.2 自回歸模型47-49
• 3.3.2.3 滑動平均模型49-50
• 3.3.2.4 自回歸滑動平均模型50-51
• 3.3.2.5 門限自回歸模型51-53
• 3.4 監測數據的非線性處理53-69
• 3.4.1 非線性動力學模型53-58
• 3.4.1.1 基本反演方法和建模要點53-56
• 3.4.1.2 滑坡非線性動力學模型的建立56-58
• 3.4.2 非線性混沌模型58-69
• 3.4.2.1 幾個基本問題58-62
• 3.4.2.2 全域預測法62-63
• 3.4.2.3 局域預測法63
• 3.4.2.4 加權零階局域法63-64
• 3.4.2.5 加權一階局域法64-66
• 3.4.2.6 基于Lyapunov 指數法66-69
• 3.5 監測數據的灰色系統理論預測69-75
• 3.5.1 基本原理與基本概念69-70
• 3.5.2 GM(1,1)模型70-71
• 3.5.3 Verhulst 模型71-73
• 3.5.4 其它模型73-75
• 3.6 監測數據的神經網絡預測75-84
• 3.6.1 神經網絡在邊坡中應用概述75-77
• 3.6.2 基本原理77-78
• 3.6.3 模型構建78-80
• 3.6.4 BP 神經網絡建模80-84
• 3.7 監測數據的多理論綜合處理84-89
• 3.7.1 組合灰色神經網絡模型84-86
• 3.7.1.1 建模的思想84-85
• 3.7.1.2 模型的建立85-86
• 3.7.2 神經網絡模型86-89
• 3.7.2.1 建模的思想86-87
• 3.7.2.2 模型的建立87-89
• 3.8 綜合性預測預報軟件的開發89-94
• 3.8.1 現有預測預報軟件的主要不足89-90
• 3.8.2 軟件設計思想90-93
• 3.8.3 軟件設計過程93-94
• 3.9 本章小結94-95
• 第四章 專家系統與智能預報判據95-109
• 4.1 引言95
• 4.2 常用預報判據95-99
• 4.3 各種判據的不足與改進99-100
• 4.4 信息融合結合專家經驗建立智能判據100-108
• 4.4.1 信息融合的基本點101-102
• 4.4.2 信息融合的模型102-104
• 4.4.3 信息融合的算法104
• 4.4.4 基于貝葉斯規則的融合方法104-105
• 4.4.5 證據推理105-107
• 4.4.6 綜合信息處理與專家評估107-108
• 4.5 本章小結108-109
• 第五章 邊坡遠程網絡監控系統的建立109-121
• 5.1 引言109
• 5.2 系統的構成和關鍵技術109-115
• 5.2.1 現場監控系統110-113
• 5.2.2 現場信息監控平臺113-114
• 5.2.3 遠程網絡監控中心114-115
• 5.3 遠程網絡傳輸技術115-116
• 5.3.1 功能分析115-116
• 5.3.2 通信協議116
• 5.4 系統軟件設計116-120
• 5.4.1 短距離無線傳輸軟件設計116-117
• 5.4.2 遠程網絡傳輸軟件實現117-119
• 5.4.3 現場信息綜合處理平臺軟件設計119-120
• 5.5 本章小結120-121
• 第六章 結論與展望121-125
• 6.1 結論121-123
• 6.2 展望123-125
• 參考文獻125-132
• 致謝132-133
• 科研成果統計133