前言
1 绪论
1.1 概述
1.2 滑坡监测技术及分析方法
1.3 非线性分析方法概述
1.4 滑坡预报步骤
1.5 滑坡预报现状
1.6 滑坡预报原则与前景
2 滑坡监测技术及数据预处理
2.1 概述
2.2 滑坡监测技术
2.3 滑坡监测案例
2.4 位移数据预处理概述
2.5 异常值剔除、滤波及缺失数据的处理
2.6 建模数据的采集
2.7 位移数据预处理
3 滑坡监测位移数据时频分析
3.1 概述
3.2 时序分析方法
3.3 频域分析方法
3.4 变形动态响应分析
3.5 时频分析实例
4 滑坡监测灰色系统分析与预测
4.1 概述
4.2 滑坡系统灰色特性及其分析
4.3 滑坡监测灰色建模方法
4.4 变形影响因子主分量分析与灰色关联分析
4.5 变形趋势的预测灰色平面
4.6 变形监测改进灰色状态分析模型
4.7 基于非线性灰色Verhulst模型的滑坡暴发时间预测
4.8 高边坡深层岩体变形的灰色空间模型预测
5 基于卡尔曼滤波的滑坡位移数据处理
5.1 概述
5.2 离散线性系统卡尔曼滤波
5.3 卡尔曼滤波模型在滑坡监测数据分析中的应用
5.4 顾及降雨因子的卡尔曼滤波实例
6 改进神经网络滑坡位移预测模型
6.1 概述
6.2 前馈神经网络与BP算法
6.3 遗传算法、模拟退火算法和改进的BP算法
6.4 改进神经网络预测模型
6.5 非线性组合预测
6.6 实例分析
7 变点分析及其在滑坡位移分析中的应用
7.1 概述
7.2 变点分析理论与方法
7.3 基于自适应神经网络的变点分析
7.4 模拟与实例分析
8 基于神经网络与GIS的滑坡敏感性分析
8.1 概述
8.2 基于神经网络与GIS的滑坡敏感性分析的设计思路
8.3 滑坡敏感性的指标体系
8.4 基于GIS的滑坡敏感性分析系统的框架
9 滑坡灾害风险评价
9.1 概述
9.2 滑坡灾害风险评价体系
9.3 滑坡灾害风险评价模型
9.4 基于粒子群神经网络的滑坡灾害风险评价
9.5 滑坡灾害信息管理与发布系统研究
参考文献
展开
