声明
摘要
第一章 绪论
1.1 论文研究背景
1.1.1 隧道建设的背景
1.1.2 隧道建设新奥法与监控量测意义
1.2 岩土工程位移预测研究现状
1.2.1 反分析法
1.2.2.时间序列分析法
1.3 本文主要研究内容
第二章 机器学习理论
2.1 本章思路
2.2 学习的可行性
2.2.1 机器学习的背景
2.2.2 机器学习的理论基础
2.3 机器学习的基本概念
2.3.1 误差与噪声
2.3.2 统计学习理论
2.4 VC维与偏差方差权衡
2.4.1 VC维的定义
2.4.2 VC维与泛化误差
2.4.3 偏差方差权衡
2.5 机器学习的归纳原则
2.5.1 经验风险最小化
2.5.2 结构风险最小化
2.6 线性回归模型与学习曲线
2.6.1 线性回归基本原理
2.6.2 学习曲线
2.7 规则化与验证
2.7.1 过拟合与欠拟合的概念
2.7.2 规则化的理论
2.7.3 验证的理论
2.8 本章小结
第三章 支持向量机原理与应用
3.1 本章思路
3.2 支持向量机原理
3.2.1 原始的支持向量分类问题
3.2.2 软间隔支持向量机与支持向量回归机
3.3 核函数
3.4 隧道围岩位移预测与超参数影响
3.4.1 隧道围岩位移预测
3.4.2 数据归一化
3.4.3 参数寻优的不同方法理论
3.4.4 隧道围岩位移预测算例及超参数影响分析
3.5 多项式回归的隧道围岩位移预测
3.5.1 一般多项式回归
3.5.2 递归最小二乘法多项式回归
3.6 不同特征影响程度的支持向量机回归
3.7 本章小结
第四章 数据预处理下的隧道围岩位移预测
4.1 本章思路
4.2 时间序列的不同表现形式
4.3 数据预处理与支持向量机预测
4.3.1 对数空间映射
4.4 位移预测算例一
4.5 隧道围岩位移预测算例二
4.6 本章小结
第五章 小波核函数的隧道围岩位移预测
5.1 本章思路
5.2 时间序列的小波分析
5.3 核函数构造
5.4 非平稳信号
5.5 算例
5.5.1 建模结果
5.5.2 结果分析
第六章 结论与展望
6.1 结论
6.2 展望
致谢
参考文献
在学期间发表的论著