文摘
英文文摘
第一章 绪论
1.1 研究背景与意义
1.2 时间序列分析方法综述
1.2.1 时间序列的概念
1.2.2 时间序列的分类
1.2.3 时间序列分析方法
1.2.4 边坡位移时间序列预测方法综述
1.2.5 当前研究中存在的主要问题
1.3 研究内容及章节安排
第二章 高斯过程回归的理论基础
2.1 引言
2.2 高斯过程回归(GPR)原理
2.3 协方差函数
2.3.1 平方指数协方差函数
2.3.2 马特恩协方差函数
2.3.3 神经网络协方差函数
2.3.4 其他协方差函数
2.4 GPR模型的回归性能测试
2.5 本章小结
第三章 基于高斯过程回归模型的时间序列预测方法
3.1 基于GPR的时间序列预测方法
3.2 预测结果精度的评价指标
3.2.1 均方根误差(RMSE)
3.2.2 均方误差(MSE)
3.2.3 预测误差方差(PEV)
3.2.4 平均绝对误差(MAE)和平均相对误差(MRE)
3.3 经典算例及方法的影响因素分析
3.3.11973-1978年间美国的月事故死亡人数时间序列
3.3.2 Mackey-Glass时间序列
3.3.3 Wolf's sunspot(太阳黑子)时间序列
3.4 本章小结
第四章 边坡位移非线性时间序列的高斯过程预测方法
4.1 引言
4.2 基于GPR边坡位移非线性时间序列预测方法
4.3 实例分析
4.3.1 三峡永久船闸边坡位移非线性时间序列预测
4.3.2 卧龙寺新滑坡预测
4.3.3 龙滩进水口边坡位移时间序列预测
4.4 本章小结
第五章 基于GPR模型的边坡位移非线性时间序列预测结果的不确定性分析
5.1 引言
5.2 时间序列预测结果的不确定性分析
5.2.1 不确定性与方差
5.2.2 时间序列外推预测的相对不确定性系数
5.2.3 时间序列外推预测的不确定性管理等级
5.2.4 GPR模型的不确定性分析功能
5.3 不同外推预测步长对预测结果不确定性的影响
5.3.1 三峡永久船闸边坡算例
5.3.2 卧龙寺新滑坡算例
5.4 不同协方差函数对GPR模型预测结果不确定性的影响
5.4.1 三峡永久船闸边坡算例
5.4.2 卧龙寺新滑坡算例
5.5 本章小结
第六章 结论与展望
6.1 结论
6.2 展望
参考文献
致谢
攻读硕士学位期间发表论文及参与科研项目情况