滑坡预测的计算智能方法PDF|Epub|txt|kindle电子书版本网盘下载

滑坡预测的计算智能方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 概述1

1.2 滑坡预测的模型和方法4

1.2.1 确定性预测模型5

1.2.2 统计预测模型7

1.2.3 非线性预测模型10

1.2.4 系统综合与实时跟踪动态预测方法11

1.3 滑坡预测的发展趋势与存在的问题12

第2章 滑坡数据的处理14

2.1 概述14

2.2 异常数据的剔除15

2.2.1 莱因达准则法16

2.2.2 ESD统计检验法16

2.2.3 狄克松检验法16

2.3 缺失数据的补充18

2.4 数据的平滑处理19

2.4.1 移动式平均的平滑方法19

2.4.2 指数平均的平滑方法19

2.4.3 分段多项式平滑方法20

2.4.4 正交多项式算法20

2.5 数据的等时距化21

2.6 信息融合的数据处理概述22

第3章 数据的特征分析与特征提取24

3.1 概述24

3.2 数据的时域特征分析24

3.3 数据的频域特征分析26

3.3.1 功率谱分析26

3.3.2 位移监测的频谱特征分析27

3.4 特征的提取28

3.4.1 滑坡灾害特征提取的过程28

3.4.2 滑坡灾害信息特征提取的评价准则28

3.4.3 滑坡灾害信息特征提取模型的分类29

3.5 信息融合技术31

3.5.1 滑坡灾害特征级融合的方法32

3.5.2 滑坡灾害特征级信息融合的特征匹配34

第4章 计算智能方法及其在滑坡预测中的应用36

4.1 概述36

4.2 计算智能的分类37

4.3 各种计算智能算法的模型与原理38

4.3.1 人工神经网络技术模型及原理38

4.3.2 进化计算算法模型及原理40

4.3.3 群体智能的模型及原理42

4.4 计算智能的发展趋势45

4.4.1 计算智能存在的问题45

4.4.2 计算智能算法的融合方式45

4.4.3 计算智能的研究方向探讨47

4.5 粒子群算法的原理47

4.5.1 粒子群算法的数学机理47

4.5.2 粒子群算法的流程49

4.5.3 粒子群算法存在的问题51

4.6 滑坡预测系统的计算智能分析51

4.6.1 滑坡预测系统的描述51

4.6.2 多步预测系统模型53

第5章 计算智能算法的集成55

5.1 概述55

5.2 GSSPSO算法55

5.2.1 GSSPSO算法原理55

5.2.2 GSSPSO算法流程56

5.3 GSSPSO算法的收敛性分析58

5.3.1 GSSPSO算法的收敛性分析58

5.3.2 GSSPSO算法粒子轨迹的收敛性分析61

5.3.3 GSSPSO算法粒子速度的收敛性分析64

5.4 GSSPSO算法的数字仿真及效果分析65

5.4.1 测试函数65

5.4.2 参数设置及实验结果71

5.5 GSSPSO与Elman神经网络的集成研究74

5.5.1 Elman神经网络的基本原理74

5.5.2 GSSPSO算法与Elman神经网络的集成算法80

5.5.3 集成效果研究84

第6章 基于集成计算智能的预测系统86

6.1 概述86

6.2 广义预测控制算法的基本原理86

6.3 GSSPSO-ENN的预测模型与实现89

6.3.1 基于GSSPSO-ENN的预测系统构成89

6.3.2 基于GSSPSO-ENN的预测系统训练模块90

6.3.3 基于GSSPSO-ENN的预测系统预测模块91

6.4 基于GSSPSO-ENN的预测系统实现93

6.4.1 基于GSSPSO-ENN的预测系统运行步骤93

6.4.2 预测系统的预测过程与方法94

第7章 集成计算智能预测系统的滑坡预测96

7.1 引言96

7.2 研究区域概况96

7.3 边坡工程概况98

7.4 多步预测系统对边坡变形量的多步预测103

7.4.1 变形监测情况103

7.4.2 边坡变形多步预测系统的相关参数选取104

7.4.3 边坡变形多步预测模型建立105

7.4.4 样本的数据处理107

7.4.5 训练与预测结果的分析108

主要参考文献116