第一章 绪论
1.1 研究背景及意义
1.2 边坡变形预测预报研究现状
1.2.1边坡变形预测预报研究动态
1.2.2 现有预报方法存在的问题
1.3主要研究内容及技术路线
1.3.1 主要研究内容
1.3.2 技术路线
第二章 抗差卡尔曼滤波及时间序列分解
2.1 变形监测数据的特点
2.2 抗差卡尔曼滤波在变形监测数据处理中的应用
2.2.1 卡尔曼滤波模型
2.2.2 稳健估计的概念与方法
2.2.3抗差卡尔曼滤波的计算步骤
2.2.4 工程实例
2.3经验模态分解的原理与方法
2.3.1 EMD分解的基本概念
2.3.2 EMD分解的方法与步骤
2.4变分模态分解的原理与方法
2.4.1 变分模态分解的方法及其原理
2.4.2 仿真分析
2.5 本章小结
第三章 基于智能算法AGA-KELM模型的尾矿坝位移预测
3.1 核极限学习机KELM
3.1.1 ELM的提出
3.1.2 ELM算法描述与训练步骤
3.1.3 KELM算法原理与实现
3.2 改进的AGA算法优化KELM参数的研究
3.2.1 遗传算法的概述
3.2.2 自适应遗传算法的改进策略
3.2.3 改进AGA-KELM预测模型建立
3.3 相空间重构
3.3.1 相空间重构理论
3.3.2 C-C方法的相空间重构
3.4 基于VMD分解和改进AGA-KELM的尾矿坝变形位移预测
3.4.1算法步骤与精度评定
3.4.2 工程实例
3.5 本章小结
第四章 顾及多因素影响的尾矿坝累积变形量智能预测
4.1 信息熵及熵权的基本理论
4.1.1 信息熵
4.1.2 熵权的基本原理
4.2基于坝体变形量的熵权系数评价模型建立
4.2.1 建立多因素分析指标体系
4.2.2 熵权系数的确定
4.3基于熵权优化模型的尾矿坝累积变形量智能预测
4.3.1 顾及多因素尾矿坝形变预测模型的建立
4.3.2工程实例
4.4 本章小结
第五章 基于PCA-AGA-KELM模型的尾矿坝稳定性分析
5.1 工程概况
5.1.1 地形及地貌条件
5.1.2 水文地质
5.1.3 尾矿库运营状况
5.2 主成分分析
5.3尾矿坝稳定性分析
5.3.1 极限平衡法坝体稳定性分析
5.3.2 基于PCA-AGA-KELM模型的坝体稳定性分析
5.3.3工程实例
5.4 本章小结
第六章 结论与展望
6.1 主要研究成果
6.2 论文的主要创新点
6.3 后续研究工作
参考文献
致谢
附录
声明