声明
摘要
1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 监测数据处理的现状与发展
1.2.2 监测数据处理存在的问题
1.3 本文的主要研究内容与技术路线
2 BP神经网络模型研究
2.1 人工神经网络概述
2.1.1 人工神经网络概念
2.1.2 人工神经元模型
2.2 BP神经网络理论
2.2.1 BP神经网络原理
2.2.2 BP神经网络学习算法
2.2.3 BP神经网络的设计
2.3 土石坝渗流BP网络模型
2.3.1 建模因子及BP结构的确定
2.3.2 BP网络模型的程序实现
2.3.3 算例分析
2.4 土石坝位移BP网络模型
2.4.1 建模因子及BP结构的确定
2.4.2 BP网络模型的程序实现
2.4.3 算例分析
2.5 本章小结
3 ACO-BP神经网络模型的建立
3.1 BP神经网络的局限性及改进思路
3.1.1 BP神经网络的局限性
3.1.2 BP神经网络的改进思路
3.2 蚁群算法
3.2.1 蚁群算法的起源
3.2.2 蚁群算法的研究及应用领域
3.2.3 蚁群算法的基本原理
3.2.4 蚁群算法数学模型及实现
3.2.5 蚁群算法的参数设置
3.3 ACO-BP神经网络模型的建立
3.3.1 基本思想
3.3.2 算法流程
3.4 本章小结
4 基于ACO-BP神经网络在大坝监测数据分析中的应用
4.1 工程概况
4.2 监测概况
4.2.1 大坝渗流监测
4.2.2 大坝位移监测
4.3 ACO-BP神经网络模型在大坝渗流监测中的应用
4.3.1 BP结构的确定
4.3.2 MATLAB实现蚁群算法对BP网络的优化
4.3.3 成果分析
4.4 ACO-BP神经网络模型在大坝位移监测中的应用
4.4.1 BP结构的确定
4.4.2 MATLAB实现蚁群算法对BP网络的优化
4.4.3 成果分析
4.5 ACO-BP神经网络模型在大坝变形区间预测中的应用
4.6 本章小结
5 结论与展望
5.1 结论
5.2 展望
致谢
参考文献
附录
西安理工大学;