滑坡監(jiān)測分析預(yù)報的非線性理論和方法

前言
1　緒論
　1.1　概述
　1.2　滑坡監(jiān)測技術(shù)及分析方法
　1.3　非線性分析方法概述
　1.4　滑坡預(yù)報步驟
　1.5　滑坡預(yù)報現(xiàn)狀
　1.6　滑坡預(yù)報原則與前景
2　滑坡監(jiān)測技術(shù)及數(shù)據(jù)預(yù)處理
　2.1　概述
　2.2　滑坡監(jiān)測技術(shù)
　2.3　滑坡監(jiān)測案例
　2.4　位移數(shù)據(jù)預(yù)處理概述
　2.5　異常值剔除、濾波及缺失數(shù)據(jù)的處理
　2.6　建模數(shù)據(jù)的采集
　2.7　位移數(shù)據(jù)預(yù)處理
3　滑坡監(jiān)測位移數(shù)據(jù)時頻分析
　3.1　概述
　3.2　時序分析方法
　3.3　頻域分析方法
　3.4　變形動態(tài)響應(yīng)分析
　3.5　時頻分析實例
4　滑坡監(jiān)測灰色系統(tǒng)分析與預(yù)測
　4.1　概述
　4.2　滑坡系統(tǒng)灰色特性及其分析
　4.3　滑坡監(jiān)測灰色建模方法
　4.4　變形影響因子主分量分析與灰色關(guān)聯(lián)分析
　4.5　變形趨勢的預(yù)測灰色平面
　4.6　變形監(jiān)測改進灰色狀態(tài)分析模型
　4.7　基于非線性灰色Verhulst模型的滑坡暴發(fā)時間預(yù)測
　4.8　高邊坡深層巖體變形的灰色空間模型預(yù)測
5　基于卡爾曼濾波的滑坡位移數(shù)據(jù)處理
　5.1　概述
　5.2　離散線性系統(tǒng)卡爾曼濾波
　5.3　卡爾曼濾波模型在滑坡監(jiān)測數(shù)據(jù)分析中的應(yīng)用
　5.4　顧及降雨因子的卡爾曼濾波實例
6　改進神經(jīng)網(wǎng)絡(luò)滑坡位移預(yù)測模型
　6.1　概述
　6.2　前饋神經(jīng)網(wǎng)絡(luò)與BP算法
　6.3　遺傳算法、模擬退火算法和改進的BP算法
　6.4　改進神經(jīng)網(wǎng)絡(luò)預(yù)測模型
　6.5　非線性組合預(yù)測
　6.6　實例分析
7　變點分析及其在滑坡位移分析中的應(yīng)用
　7.1　概述
　7.2　變點分析理論與方法
　7.3　基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的變點分析
　7.4　模擬與實例分析
8　基于神經(jīng)網(wǎng)絡(luò)與GIS的滑坡敏感性分析
　8.1　概述
　8.2　基于神經(jīng)網(wǎng)絡(luò)與GIS的滑坡敏感性分析的設(shè)計思路
　8.3　滑坡敏感性的指標體系
　8.4　基于GIS的滑坡敏感性分析系統(tǒng)的框架
9　滑坡災(zāi)害風險評價
　9.1　概述
　9.2　滑坡災(zāi)害風險評價體系
　9.3　滑坡災(zāi)害風險評價模型
　9.4　基于粒子群神經(jīng)網(wǎng)絡(luò)的滑坡災(zāi)害風險評價
　9.5　滑坡災(zāi)害信息管理與發(fā)布系統(tǒng)研究
參考文獻