一、模糊综合评判在飞行能力预测中的应用（论文文献综述）
宋爽[1]（2019）在《基于深度学习的采空区卸压瓦斯抽采智能评价方法研究》文中提出采空区卸压瓦斯抽采是矿井瓦斯治理的主要手段。安全高效的瓦斯抽采效果评价对于矿井瓦斯精准抽采有着至关重要的作用,采空区卸压瓦斯抽采的智能评价对采空区卸压瓦斯抽采工程具有重要的指导意义。本文通过工程资料收集、理论分析、模型搭建与训练、原型系统设计开发及现场试验等方法,提出了采空区卸压瓦斯抽采评价指标体系,构建了基于LSTM（Long Short Term Memory长短期记忆网络）的采空区卸压瓦斯抽采评价指标预测模型,形成了采空区卸压瓦斯抽采智能评价方法,开发了采空区卸压瓦斯抽采评价系统。论文主要研究工作如下:（1）在采空区卸压瓦斯抽采原理及技术综合分析的基础上,对钻孔因素、风流瓦斯浓度因素、抽采浓度因素等关键影响因素分析,考虑各个指标间相互耦合作用及对采空区卸压瓦斯抽采综合评价的影响,基于层次分析法和关系矩阵法选取了瓦斯抽采浓度、抽采流量、风流瓦斯浓度等采空区卸压瓦斯抽采评价指标,利用模糊综合评价建立指标满意度模型,提出了采空区卸压瓦斯抽采评价指标体系,对采空区卸压瓦斯抽采效果进行等级评价。（2）针对采空区卸压瓦斯抽采评价指标预测精度问题,对矿井瓦斯抽采计量数据采用One-hot编码对抽采计量数据进行预处理、降低数据维度、构造数据时间窗,并按8:1:1的比例划分数据集,构建了四层LSTM评价指标体系预测模型。通过调整时间步长、损失函数和优化函数等参数提高了模型的准确率和鲁棒性,对比其他预测模型算法,LSTM模型能够解决梯度消失问题并具有更快的收敛速度和更高的准确率。（3）针对采空区卸压瓦斯抽采评价智能等级划分问题,采用拉格朗日插值法和平均值修正法对抽采计量数据进行数据预处理。采用支持向量机的浅层机器学习评价方法和基于卷积神经网络的深度学习评价方法,构建了采空区卸压瓦斯抽采智能评价模型。相比于浅层神经网络的支持向量机分类模型,卷积神经网络分类模型凭借深层神经网络优越的学习能力,更适合采空区卸压瓦斯抽采智能评价且准确率更高。（4）为实现采空区卸压瓦斯抽采高效智能评价及可视化显示,设计了采空区卸压瓦斯抽采智能评价系统前端界面和后台数据结构,并在云平台上进行算法集成、模型封装及抽采评价与智能调控系统的开发部署,解决了系统开发过程中数据查询和缓存的关键问题,为采空区卸压瓦斯的精准抽采提供软件模型及技术支持。（5）针对采空区卸压瓦斯抽采评价效果问题,结合试验矿井高位钻孔瓦斯抽采试验数据,分析了采空区卸压瓦斯抽采效果,对瓦斯抽采评价等级进行划分。根据评价结果提出钻孔封孔质量和调整抽采负压等调控建议措施,实现采空区卸压瓦斯抽采监测、效果评价和智能调控一体化流程,从而保证卸压瓦斯的精准高效抽采。基于以上研究成果进行了现场试验验证,形成了一种准确高效的采空区卸压瓦斯抽采智能评价方法,为采空区卸压瓦斯抽采效果评价提供了有力依据。
钟昊权[2]（2020）在《民航飞行作风量化研究》文中认为随着经济的快速发展,民航运输需求也在急剧增加,而安全是民航运行和发展的基本条件,飞行员又是保证安全的最终环节。通过分析发现,在引发不安全事件的人为原因中飞行人员的运行作风不严谨占据了主要部分。目前从国内外学术研究方面来看,飞行作风的研究较少,且主要是定性的分析,缺少系统的、科学的量化分析;从公司实际运行层面来看,飞行作风的建设主要是选定相关指标采用简单的量表打分法,在选取指标评分方面都存在一定的不足。本文首先从态度和行为表现这两个角度对国内外飞行作风的研究现状进行了文献综述,主要阐述了飞行作风的影响因素;同时在参考众多学者对飞行作风的研究基础上,通过专家访谈并结合自身经验对飞行作风给出了明确的定义。其次运用文献分析法对飞行作风影响因素进行了搜集和整理,并通过专家访谈的方式建立了飞行作风指标体系;在构建的指标体系基础上,通过DEMATEL/ISM方法,分析了影响因素之间的关系;通过绘制飞行作风因果图,识别出了关键影响因素,通过构建飞行作风梯阶多层模型,找到了影响因素之间的层级关系,并从表层影响因素、深层影响因素和根源性影响因素这三个层面上对飞行作风的建设和管理提出了建议措施。最后,基于上述研究构建了飞行作风评价体系。通过DEMATEL法确定指标权重,采用模糊理论对指标赋值,并通过实例验证了评价体系的实用性和有效性。
邵维贵[3]（2019）在《FMECA和FTA在某型飞机起落架系统故障分析中的应用研究》文中提出飞机起落架系统是飞机的重要组成部分,是连接空中与地面的“桥梁”与“纽带”,是飞机的“脚”。它不仅承担飞机的安全起飞、着陆,还承担着飞机地面运动和地面时对飞机整体的支撑,因此在安全完成飞行任务中扮演重要角色。在飞机起落架系统的运行过程中不可避免的出现故障,为了提高维护工作效率,保证起落架系统的安全可靠,对起落架系统故障的分析和认知是必要的,可以提前对故障进行预防,减少故障发生。当故障发生时,可以实现快速故障定位,快速排除故障,缩短再次出动时间。本文以某型飞机前起落架系统为研究对象,应用故障模式影响及危害性分析（Failure Modes Effect and Critically Analysis,简称FMECA）和故障树分析（Fault Tree Analysis,简称FTA）对飞机的前起落架系统进行故障分析。为故障排除、维护方案制定、薄弱环节改进提供依据。主要研究以下几个方面:（1）基于历史故障数据统计的FMECA分析。了解飞机起落架系统的组成及工作原理,绘制任务可靠性框图,收集故障数据,按照国家军用标准,对前起落架系统进行FMECA分析,输出FMECA报告,绘制故障模式危害性矩阵图。（2）模糊FMECA分析。为综合考虑故障发生概率、故障严重程度、故障检测难易程度对风险程度的影响。在历史故障数据统计的FMEA的基础上,建立模糊FMECA风险评判模型,采用层次分析法确定影响因素权重,结合模糊综合评判和RPN方法确定故障模式风险等级。对前起落架系统各个故障模式进行风险评判,得到各个故障模式的风险评判排序。然后对各个子系统和整体的风险评判,并根据风险评判结果,提出对应的维护措施。（3）FTA分析。在FMECA分析的基础上,选择前起落架系统收放功能不正常为顶事件进行举例分析,应用FTA方法,建立故障树模型,对故障树进行定性分析和基于模糊理论的定量分析。得到的底事件模糊概率重要度排序与故障统计结果大致吻合,表明基于模糊理论的故障树分析符合工程实际。根据分析结果和实际情况,提出预防故障发生的维护措施建议。
尹利华[4]（2011）在《公路软土地基处理关键技术智能信息化研究》文中提出公路软土地基处理是一项复杂的系统工程,在地基处理整个过程中,正确认识软土的特性、选择合适的地基处理方案并对路堤沉降与稳定进行动态监测是需要研究的关键问题。鉴于当前公路软土地基处理中的相关决策依靠的还主要是决策者的知识和经验,科学性和可靠性不够,本文以公路软土地基处理关键技术为线索,以关键技术智能信息化为核心,结合公路软土地基处理的知识特点,运用人工智能、知识工程、数理统计、模糊数学、神经网络、灰色理论和信息技术等理论,对公路软土地基处理关键技术的智能化和信息化进行了研究,取得了以下主要成果：1.采用数理统计方法,分析了天津软土物理力学指标的变化范围、均值和变异性,建立了天津地区软土土性指标相互关系和概率特性的区域资料；并分析了直剪试验、三轴试验、十字板剪切试验3种不同方法抗剪强度试验结果的相互关系,提出了利用随机因子分析法对试验方法不确定性进行概率评定。2.针对公路软基处理方案决策中,影响因素多,存在大量不确定性知识的特点,采用模糊多属性决策方法,构建了公路软基处理方案决策的模糊综合评判决策模型,确定了模型中各影响因素不同等级评语的隶属度和权重,并采用加权平均型算子和多层次分析对决策模型进行了两方面的改进,实现了对公路软基处理方案的模糊推理和优化评判,弥补了公路软基处理方案主要依靠经验确定的不足,提高了相关决策的可靠性。3.建立了基于BP神经网络的公路软基处理方案决策模型,在具体工程软基处理设计资料的基础上,构造出大量样本训练确定了网络模型的参数、算法等。所建模型对输入参数作了比较细致的定量划分,得出的方案具体,推理精度较高,能够满足公路软基处理方案设计与决策的需要。4.针对公路软基处理方案影响因素不确定性、未知性的特点,提出了基于灰色理论的公路软基处理方案决策模型,确定了模型的经济技术指标。利用灰色关联分析技术,通过计算公路软基处理比选方案与理想方案的关联度,实现了对公路软基处理方案的优化评判,成功地解决了多因素影响下的软基处理方案优选问题。5.开发了不干扰施工和交通、能实现远程监测与管理的路堤沉降无线监测系统,提出了综合应用监控预报模型、监测指标、监测关系曲线作为判断路堤沉降与稳定监测噪音异常数据和真实异常数据的评判准则,为软土地基路堤沉降与稳定监测提供了信息化、智能化较高的观测方法和数据分析技术。6.结合实际路堤沉降观测资料,分析了双曲线法、星野法、浅岗法表达式中拟合参数对沉降预测结果的影响,通过增加时间因子指数改进了费尔哈斯曲线模型,训练了比较可靠的软土地基路堤沉降预测的BP神经网络模型,基本解决了软土地基路堤的沉降预测问题。
王世锦[5]（2010）在《空域分类关键技术及应用研究》文中进行了进一步梳理所谓空域分类关键技术就是以定性或定量的形式需要解决的空域分类过程中涉及的重点和难点问题,它是空域分类改革的核心技术,更是论文研究的主题。以该主题为核心,论文的研究范畴可划分为五大部分:空域分类方案及关键技术分析、空中交通流量的长期预测、空域保障系统的综合评估、空域分类安全性分析以及空域分类关键技术应用。第一部分是基础,第二、三、四部分是核心,第五部分是二、三、四部分研究的实例应用,这五部分构成一个彼此联系、完整统一的研究框架。空域、空域分类及相关概念如何理解?国际民航组织（ICAO）空域分类标准及航空发达国家的空域分类方案如何?空域分类需要考虑哪些关键要素?进而涉及的关键技术有哪些?论文第一部分回答了这些问题,从而明确了研究重点,阐明了空域分类方案改革中必然要面对空中交通流量预测、空域保障系统综合评估以及空域安全性分析三个关键技术。鉴于目前国内外对空中交通流量长期预测研究的不足,论文第二部分以全国飞机起降架次为例,根据1985年至2008年的历史数据,采用目前常用的时间序列、回归预测以及神经网络三种预测方法对中国民航空中交通量进行了适应性的比较分析;根据我国民航交通量数据少、增长速度快且不均衡的特点,基于GM（1,1）模型和最小二乘法原理,首次提出了我国空中交通量灰色组合长期预测方法;同时预测结果经过对比分析表明,灰组合预测模型在上述各种预测模型中预测精度最高,效果最好,应是现阶段我国空中交通量长期预测的首选模型。通过分析通信、导航及监视等空域保障系统基本特点,根据ICAO相关标准及中国民用航空局的设备技术要求,论文第三部分分别建立了各种空域保障系统的性能评价指标体系,提出了空域保障系统性能模糊综合评价方法,并以雷达监视系统综合评价为例证实了该方法的可行性,给出了空域保障系统综合评估流程。空域分类安全性研究关注了空域分类改革过程将涉及的安全问题:①空域分类方案的安全性分析;②低空空域飞行安全分析;③机场空域飞行安全分析;④空域分类人因安全分析。这4个方面构成了论文的第四部分内容。空域分类方案是空域分类改革的前提条件。论文采用系统工程中“5M”模型,以空域分类方案安全性作为评价目标,从系统层面清理空域分类要素,将人、机、环、管理四个方面进行分解,分析了16个安全要素,建立了空域分类方案安全评价指标体系;基于D-S证据理论建立了空域分类方案安全性评价模型,对德尔斐专家调查法获取的数据进行处理。通过算例分析表明,评价指标体系与评价模型均实用且可行。为了确定低空空域开放后该空域内航空器的飞行安全,基于国际民航组织标准和我国民航局规定,根据航空器动力学原理,论文采用看见避让（See and Avoid）原则,在飞行规则、能见度要求、反应时间、航空器速度以及盘旋坡度角或航空器爬升角度等约束条件下,建立了同高度对头飞行冲突和交叉飞行冲突的冲突避让轨迹数学模型。通过数值分析,结果表明低空空域航空器同高度对头相遇的安全避让需满足一定的飞行条件,而同高度交叉相遇飞行的航空器应该能安全解脱冲突。机场空域安全性分析是目前国内外研究的空白。论文基于航班流服从泊松分布,根据航空器具有最小安全间隔要求,则机头时距服从移位负指数分布的特点,采用事件模型,对机场空域航空器的纵向飞行冲突风险分析进行了建模,给出了机场空域纵向飞行冲突定量分析方法。空域分类人因安全分析研究了不同空域类型的管制员与飞行员的可靠性。针对管制员安全评估问题,论文首次将认知可靠性与失误分析（CREAM）方法应用于空中交通管制员人因可靠性定量分析,并基于灰色系统理论,将改进的三角白化权函数用于确定共同行为条件（CPC）各因子的水平等级,以减少主观性影响。对于非管制的低空空域,飞行员是空域安全的主体。论文根据人的认知可靠性（HCR）理论建立了飞行员反应失效概率模型,通过数值分析给出了不同飞行条件下的飞行员反应失效概率。论文第五部分对空域分类的关键技术进行了应用研究。通过分析我国目前采用的空域分类方案的缺陷,根据我国国情以及借鉴航空发达国家空域分类经验,构建了我国空域分类初步方案框架,给出了各类空域划设标准。在提出空域分类方案的划设流程基础上,分别将空域分类关键技术--空中交通流量的长期预测、保障系统综合评估以及安全性分析具体应用于空域划设的过程中,并同时解决了该过程所涉及的空域结构确定等空域划设中的具体问题。
贺子光[6]（2016）在《陕南移民搬迁选址适宜性评价方法研究 ——以勉县为例》文中进行了进一步梳理陕南移民搬迁项目是一项复杂的系统工程,所面临的问题较多,移民选址问题最为突出,因为由于选址不当所造成的社会影响较大,直接关系到整个移民搬迁工作的成败,而选址问题的关键在于建立一套有效可行的评价指标体系和评价方法对安置区的地质、资源与环境的适宜性进行综合评价。目前关于移民搬迁选址评价方法的研究主要集中于三峡水库移民与汶川大地震搬迁移民选址中,针对陕南移民搬迁特点的选址评价方法研究较少,因此对陕南移民搬迁选址适宜性评价方法进行研究具有重要意义。为了探索适用于陕南移民搬迁选址适宜性评价的技术方法,为陕南移民搬迁选址在以后工作中得以顺利进行,本论文依托陕西省‘陕南移民搬迁安置选址地质评价技术研究项目’和‘陕西省科技计划项目’工作,以汉中市勉县为例,进行了相应的研究,取得了下列主要成果:1、在分析勉县地质灾害发育规律和居民生活必需条件的基础上,建立了陕南移民搬迁选址适宜性评价指标体系,并结合层次分析法,确定了各评价指标的权重。2、针对陕南地区特点,通过采用决策科学中多指标综合评价方法将实际问题转换为数学问题,运用3种传统数学评价模型:模糊综合评判法、理想点法评价模型、基于未确知测度理论评价模型对研究区进行定量化评价,并对三种评价结果的准确性进行了检验。分析结果表明:在相同评价区域内,三种方法的评价结果比较接近,与现场调研结果基本吻合,其中,未确知测度理论的评价结果更为合理。3、针对基本蝙蝠优化算法容易陷入局部最优的缺点,借鉴细菌觅食算法中的迁徙操作,提出将细菌迁徙因子引入到基本蝙蝠优化算法中,形成基于细菌迁徙的蝙蝠算法（EDBA）,该方法设置进化停滞代数阀值,当满足条件时,根据个体不同的适应度值赋予不同的迁徙概率以防止解的退化,从而有效地避免了算法陷入局部最优;同时改变了基本蝙蝠优化算法的局部搜索策略,提高了算法的全局搜索能力和收敛速度。4、将改进蝙蝠优化算法和投影寻踪法相结合,由于投影寻踪法的最佳投影值是基于全局样本数据得到的,弱化了单个栅格数据在某栅格评价中的主导作用,因此引入了博弈论,将最佳投影值和基于熵权理论计算的权重有机结合,优化了针对单个栅格的权重取值,提高了模型的评价准确率。5、针对果蝇算法早熟收敛问题,将遗传算法中的杂交因子和局部搜索能力很强的单纯形法引入到基本果蝇优化算法中,该方法以进化停滞步数为触发条件,通过杂交因子避免算法陷入局部最优解,引入单纯形法后,提高了算法的局部搜索能力和后期的收敛速度。将改进果蝇优化算法和广义回归人工神经网络（GRNN）相结合,采用改进果蝇优化算法优化Spread值,加快了模型的收敛速度,并提高了GRNN的拟合精度。6、针对标准粒子群算法（PSO）后期收敛精度不足的缺陷,借鉴遗传算法的杂交理念,将遗传算法中的杂交因子引入标准粒子群算法中,形成了混合粒子群算法（MPSO）。该方法丰富了种群的多样性,提高了PSO算法的全局寻优性能和收敛速度。将混合粒子群算法和最小二乘支持向量机（LSSVM）相结合,采用MPSO优化LSSVM的正则化参数γ和核宽度σ,提高了模型的非线性拟合精度和模型的泛化性能。7、针对标准GEP算法容易陷入局部最优的缺点,将回溯机制和单纯形法引入到标准GEP方法中,该方法通过在进化过程中设置一定数量的检查点,避免算法在局部最优解处不停地进化下去,能够及时跳出局部最优,并增强了算法的后期收敛精度;同时,以改进GEP方法为前提,将其运用于多元线性回归的参数估计中,提高了模型的建模效率和使用精度。8、针对传统K-均值聚类算法容易陷入局部最优的缺点,本文提出基于猫群算法的K均值聚类方法,计算结果表明:与传统K-均值聚类方法相比,该方法提高了模型的准确率和模型的稳定性。9、通过已建立的8种评价模型,结合GIS技术,对勉县地区移民搬迁选址适宜性评价结果进行区划,为陕南移民搬迁选址适宜性评价及优化提供了参考依据。
邵煜博[7]（2013）在《民航系统中飞行训练评估模型及方法研究》文中进行了进一步梳理随着民航事业的快速发展,飞行员培养的需求也大幅增加。由于飞行员的培养过程相对较长、成本较高,因此如何准确评估飞行员在训练过程中的表现变得越来越重要。现行的评估只能依靠经验和简单的统计数字来实现,缺乏相应科学、客观评判方法来帮助其做出更为合理的评判。针对以上问题,本课题提出了主客观相结合的评估方法。文中详细介绍了飞行训练过程中的三个重要阶段以及各阶段主要的飞行参数,在此基础上构建了各个阶段的飞行训练评估模型。针对评价指标类型、单位不一致的问题,在教练经验和专家建议的基础上,给出了各个指标正常的隶属度函数,并进行归一化处理。概述了模糊综合评判方法,提出首先采用单级评判方法分别对训练中三个阶段进行评判；然后加以组合,采用多级模糊综合评判方法对整个训练过程进行评价。简单介绍了投影寻踪方法以及常用的投影指标和模型,并为求解最佳投影方向提出了双向随机多策略变异的自适应差分进化算法。新的变异算子通过符号函数融合现有几种典型的变异算子,使算法在保持较高种群多样性的同时,兼具了较强的全局搜索能力和局部搜索能力。变异率的随机数化以及交叉率的自适应调整策略大大减少了复杂的参数选取过程,提高了算法的可用性。采用标准测试函数对算法进行仿真对比,实验结果验证了该算法的有效性,为投影寻踪模型的求解提供了一个有力工具。将投影寻踪方法应用到飞行员训练评估中,分别采用投影寻踪分类模型、投影寻踪等级评价模型和投影寻踪主成分分析对三个阶段进行评价,而后对组合后的全程训练过程进行了评价和对比,并给出了全程训练评估的推荐模型。文章的末尾对全文进行简单的总结,分析了本文提出的飞行员训练评估模型的不足并对将来要做的工作给出一些意见和展望。
黄天宇[8]（2019）在《无人机辅助通信中基站部署策略研究》文中指出随着用户对数据通信服务需求的不断提升,无人机基站作为一种机动灵活的通信服务设施,被广泛应用于当前的无线通讯服务中,特别是在设备故障或自然灾害情景下的抢险通信服务中。无人机基站部署问题是无人机辅助通信面临的首要任务,其性能直接关系到用户体验性和资源的有效利用率。在全面分析国内外相关领域研究现状的基础上,课题围绕用户划分、基站分配和无人机空间部署三个核心问题进行研究,并给出相应的优化策略。首先,针对已知用户位置分布条件下的用户簇划分问题,提出了一种混合聚类算法DC-ISO。混合聚类算法以无人机基站的服务性能（如最大服务用户数量、最小用户服务数量和通信服务半径）为限制约束条件,根据用户位置分布状况对用户进行划分。DC-ISO算法在聚类过程中给出合并策略、分裂策略、均衡策略和动态最小簇元素策略,用于协调簇内元素与簇间元素之间的相互关系,优化用户簇的划分。混合聚类算法能够较好解决用户簇划分中的区域限制条件和簇间元素平衡问题。其次,针对用户请求差异和无人机基站性能差异条件下的无人机基站分配问题,提出了一种基于用户个性化需求的分配策略。综合考虑用户的个性化需求与无人机基站性能之间的关系,从计算能力、带宽、能耗、成本和稳定性等五个方面对用户簇的待选无人机基站进行满意度评分。分配策略以总体客户满意度最大化为目标函数,建立无人机基站分配优化问题模型,并使用整数线性规划算法进行求解,实现无人机基站的最优分配。再次,针对无人机辅助通信中的旋翼无人机基站空间位置优化问题,提出了一种用户总体下载速率最大化的静态无人机基站部署策略。静态无人机基站部署策略着重强调在现有方法中被忽视的环境因素和用户分布对无人机基站部署性能的影响,以四种环境为背景,分析了旋翼无人机基站的空间部署问题。静态无人机部署策略以用户总下载速率最大化为目标建立部署问题最优化模型。通过将目标函数定义为适应度函数,给出基于粒子群搜索算法的求解方式,得到静态无人机基站最优部署方案。最后,针对固定翼无人机基站的飞行轨迹优化问题,提出最大化用户簇下载速率和最小化能耗的动态无人机基站轨迹优化策略。轨迹优化策略分析了无人机基站的数据服务通信模型和飞行能耗模型,并以其为基础建立能效优化模型。针对非线性分式规划问题,轨迹优化策略给出使用线性状态空间逼近和连续凸优化算法的求解思路,从而得到固定翼无人机基站的最优能效比飞行轨迹。
陈晓利[9]（2007）在《人工智能在地震滑坡危险性评价中的应用》文中指出地震滑坡是一种常见的地震次生灾害形式，以其巨大的致灾力引起人们的广泛关注，在山岳地区，所造成的损失有时甚至远远超过地震本身。目前，世界上很多国家都在进行地震滑坡潜在危险性研究，其意义在于潜在地震滑坡危险区的确定，使我们在进行基础建设和区域规划时，有依据选择合适的场地，避开危险地段，或者采取必要的防范措施，从而达到减少经济损失，保护人民生命财产安全的目的。我国是一个多山、多丘陵的国家，据统计，山地和丘陵面积约占国土面积的70％，这就从客观上决定了我国有大量的自然边坡。我国西南地区区域地质背景复杂，是中国大陆内强震活动频度最高的地区。据两千多年来的历史资料记载，西南地区曾发生过很多强烈的地震，引发的滑坡、崩塌问题特别严重。我国正处于开发西部的征程中，由于经济的发展，对土地的需求在不断地增加，对土地的合理利用提出了迫切的要求；同时，西南地区许多重大水利水电工程正在建设中或处于论证阶段，而这些重大工程的选址又常常在高山峡谷中，对边坡的稳定性研究显得更为重要。因此，对地震滑坡、崩塌问题的研究具有不仅有重要的理论意义，而且具有重要的实践意义。地震滑坡作为滑坡的一种类型，有其自身的特点，本文通过对大量有地震滑坡纪录的震例分析中，系统地总结了地震滑坡的分布特征、形成条件和相关影响因素。在前人研究成果的基础上，研究了地质构造背景、岩石结构、岩性特点、地形地貌、水文条件等对地震滑坡的影响，同时对地震滑坡与地震动参数之间的关系进行了论述。论文对现有的斜坡稳定性评价方法进行了回顾，并针对目前区域性地震滑坡稳定性评价所用方法中存在的所需工程地质参数太多、数据获取困难、赋值主观性较强等缺陷，本文进行了一系列的改进。在本文的研究过程中，地理信息技术（GIS）的应用对地震滑坡研究起了极大的推动作用。一方面，地震滑坡是由地震触发的，在分布上具有量多面广的特点，这种区域特点的问题适宜于GIS对空间数据管理的特点；另一方面，地震滑坡的影响因素众多，各个因素之间互相影响、互相牵掣，传统的数据分析很难把这些不同来源、不同性质的数据集中分析，而GIS空间数据库功能可以把各种影响因素搁置于统一的地理平台进行讨论，在数据相关性分析上具有不可比拟的优势。GIS把地质、地貌、岩性、构造、植被、降水等与地震滑坡相关的环境资料一起储存在空间数据库中，并应用GIS的空间分析功能对这些数据进行分析研究。GIS的引入，使得对滑坡的研究不再是孤立地研究单一因素与滑坡的关系，而是把滑坡事件与周围的地质、地貌环境等资料综合起来进行分析。地震滑坡形成机制复杂，涉及因素众多，它在空间上不是完全随机分布的，换言之，地震滑坡的影响因素和它的分布规律之间存在着相关性。为了表达这些特征因素与地震滑坡发生的关系，本文利用径向基概率神经网络自学习、自适应的特性，通过对样本训练、检测，最终得到一个稳定可靠的模式识别网络，从而通过该模式对研究区域的地震滑坡进行识别。应用神经网络研究地震滑坡危险性预测是有其理论基础的。从工程地质学构造类比的角度讲，对潜在地震滑坡危险性进行判断，实质上是一种模式识别问题。神经网络方法的运用使得对这一事件的认识更客观、更接近实际。本文在对地震滑坡数据进行空间分析的基础上，结合前人的研究成果，采用易于获取的信息资料，包括水系、断裂、岩性、坡度、地震烈度等5项指标作为地震滑坡危险性研究的神经网络的输入指标。在对地震滑坡危险性评价的工作中，影响因素权重大小以及划分危险性级别的各指标界限的确定问题上的模糊性，决定了该工作的复杂性。传统的确定各个影响因素重要性的方法是根据专家的经验，避免不了主观因素的影响。层次分析法则提供了一种确定权重的较好方法。它通过两两对比的方式，确定各个因素的相对重要性，基于统一的标准建立判断矩阵进行综合判断，最终可得出各因素按其重要程度的排序。在危险性界别的划分上，通过建立单因素指标评价矩阵，与层次分析法确定的影响因素的权重向量进行模糊合成，最终根据最大隶属度确定危险性所属级别。这一方法的实施，解决了危险程度划分界限不能明确表达的难题。为了对上述理论的实际应用性进行检验，本文以发生在我国西南地区的3个强烈地震（1973年炉霍地震，M=7.9；1974年昭通地震，M=7.1；1996年丽江地震，M=7.0）为例，应用神经网络、层次分析模糊数学对震区的地震滑坡危险性进行了研究。（1）在研究各个地震震区滑坡分布规律的基础上，对每一震区选出各自的训练样本建立相应的网络模型，然后对整个区域进行识别。各个震区的识别结果表明了神经网络对地震滑坡单元具有良好的识别能力；（2）在单独对各个震区的地震滑坡进行识别的基础上，合并各个震区的训练样本，用统一的网络模型对研究区域的地震滑坡进行研究。结果表明，统一的网络模型在各个区域均取得较好的识别效果；（3）对地震滑坡的5个主要影响因素水系、断裂、岩性、坡度、地震烈度等，根据本区地震滑坡分布规律与它们之间的关系，采用层次分析的方法，确定了这5个因素之间的相互重要性并建立单因素的评价标准。本文中这5个影响因素的权重向量W=（0.0491 0.1379 0.3393 01850 0.2855），进而通过模糊合成形成判断集B=WOA，即可对每个单元进行等级判断。从最终结果中可以看到三起地震中实际滑坡发生的位置大部分均在本文划分的高度危险区中。从上述两种方法的理论基础并结合实际应用中取得的成果来看，可得到如下的认识：本文选用的地震滑坡影响因素作为神经网络的输入特征指标具有科学性和实用性，根据3起地震提取的样本训练而成的神经网络模型，可用以对有相似地质构造背景的地区进行地震滑坡危险性预测。不同构造区域中，相同影响因素的权重可能不同，也就是说，在一个区域中具有较大影响的因素在另一个区域中的作用可能不是很大。这从一个方面反映了地震滑坡的复杂性。
邱道宏[10]（2008）在《括苍山高速公路隧道岩爆非线性预测研究》文中提出论文通过对浙江省括苍山隧道的地质条件进行详细调研,并对其岩爆的影响因素、预测参数的取值和预测方法及其适宜性进行深入系统的分析,得出传统的岩爆预测方法并不适宜特殊地质条件下的岩爆预测,应建立非线性的岩爆预测模型体系。论文首次提出了粗糙集理论、支持向量机和可拓学理论三者相结合的非线性岩爆预测新方法,以括苍山隧道岩爆预测为研究对象,应用粗糙集理论对岩爆影响因素进行属性约简,并应用属性重要度的概念计算属性权重系数;再以约简后的属性集作为支持向量机和可拓评判的输入进行岩爆非线性预测,并开发出可视化的应用程序软件。岩爆预测结果表明基于支持向量机和可拓学的非线性岩爆预测方法具有更高的客观性,更适合于特殊地质条件下的岩爆预测。研究成果可为隧道开挖方案和岩爆的防治措施的选取提供科学依据,并体现了论文选题具有科学意义和创新性,具有应用和推广的价值。
二、模糊综合评判在飞行能力预测中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、模糊综合评判在飞行能力预测中的应用（论文提纲范文）
（1）基于深度学习的采空区卸压瓦斯抽采智能评价方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 煤矿瓦斯抽采效果评价研究现状 |
| 1.2.2 采空区卸压瓦斯抽采评价指标体系及评价方法研究现状 |
| 1.2.3 采空区卸压瓦斯抽采评价与调控系统研究现状 |
| 1.2.4 深度学习理论及方法在煤矿安全生产领域的研究现状 |
| 1.2.5 存在的问题 |
| 1.3 研究内容 |
| 1.4 研究方法和技术路线 |
| 2 采空区卸压瓦斯抽采评价指标体系研究 |
| 2.1 采空区卸压瓦斯抽采影响因素分析 |
| 2.1.1 采空区卸压瓦斯抽采技术分析 |
| 2.1.2 采空区卸压瓦斯抽采钻孔布置参数 |
| 2.1.3 采空区卸压瓦斯抽采施工管理 |
| 2.1.4 采空区卸压瓦斯抽采系统 |
| 2.2 采空区卸压瓦斯抽采评价指标体系建立 |
| 2.2.1 抽采评价指标建立原则 |
| 2.2.2 抽采评价指标体系构成 |
| 2.2.3 抽采评价指标筛选 |
| 2.2.4 抽采评价关键指标选取 |
| 2.3 采空区卸压瓦斯抽采评价指标权重确定 |
| 2.3.1 抽采评价权重计算方法选取 |
| 2.3.2 基于层次分析法的采空区卸压瓦斯抽采评价权重计算 |
| 2.3.3 基于关系矩阵法的采空区卸压瓦斯抽采评价权重计算 |
| 2.3.4 综合赋权值法 |
| 2.4 基于模糊综合评价的采空区卸压瓦斯抽采效果评价模型构建 |
| 2.4.1 评价方法选择 |
| 2.4.2 抽采评价模型建立 |
| 2.4.3 抽采评价等级划分 |
| 2.5 本章小节 |
| 3 基于LSTM的采空区卸压瓦斯抽采评价指标预测模型研究 |
| 3.1 深度学习理论与LSTM网络模型 |
| 3.1.1 深度学习理论 |
| 3.1.2 循环神经网络模型 |
| 3.1.3 LSTM网络模型 |
| 3.2 采空区卸压瓦斯基础数据集及数据预处理 |
| 3.2.1 瓦斯抽采关键评价指标预测流程 |
| 3.2.2 采空区卸压瓦斯数据预处理 |
| 3.2.3 数据降维 |
| 3.2.4 构造时间窗 |
| 3.2.5 数据集划分 |
| 3.3 基于LSTM的采空区卸压瓦斯抽采评价关键指标预测模型建立 |
| 3.3.1 抽采评价关键指标预测模型学习流程 |
| 3.3.2 采空区卸压瓦斯抽采评价关键指标预测模型结构分析 |
| 3.3.3 基于LSTM的抽采评价关键指标预测模型构建及训练 |
| 3.4 基于LSTM采空区卸压瓦斯抽采预测模型实验与参数优化 |
| 3.4.1 实验数据集及模型评价指标选取 |
| 3.4.2 预测模型步长调优 |
| 3.4.3 预测模型损失函数调优 |
| 3.4.4 预测模型优化函数调优 |
| 3.5 采空区卸压瓦斯抽采评价指标预测模型对比分析 |
| 3.6 本章小结 |
| 4 基于深度学习的采空区卸压瓦斯抽采智能评价模型研究 |
| 4.1 采空区卸压瓦斯抽采智能评价指标数据预处理 |
| 4.1.1 基于拉格朗日插值法的数据缺失值补全 |
| 4.1.2 基于平均值修正法的异常值修正 |
| 4.1.3 采空区卸压瓦斯抽采数据归一化处理 |
| 4.2 基于支持向量机的浅层机器学习智能评价方法研究 |
| 4.2.1 支持向量机的浅层机器学习模型结构 |
| 4.2.2 基于SVM的采空区卸压瓦斯抽采智能评价模型构建 |
| 4.2.3 基于支持向量机评价模型结果分析 |
| 4.3 基于卷积神经网络的深度学习智能评价方法研究 |
| 4.3.1 卷积神经网络模型结构 |
| 4.3.2 基于卷积神经网络的采空区卸压瓦斯抽采智能评价模型构建 |
| 4.3.3 基于卷积神经网络智能评价结果分析 |
| 4.4 本章小结 |
| 5 基于云平台的采空区卸压瓦斯抽采智能调控与系统实现 |
| 5.1 采空区卸压瓦斯抽采智能调控模型构建 |
| 5.1.1 采空区卸压瓦斯抽采智能调控模型建立 |
| 5.1.2 采空区卸压瓦斯抽采智能调控模型参数调试 |
| 5.2 采空区卸压瓦斯抽采智能评价系统设计 |
| 5.2.1 系统开发环境及相关技术 |
| 5.2.2 系统开发流程及结构设计 |
| 5.2.3 系统布局与功能设计 |
| 5.3 采空区卸压瓦斯抽采智能评价系统实现 |
| 5.3.1 Web前端系统功能开发与实现 |
| 5.3.2 采空区卸压瓦斯抽采评价系统后台功能实现 |
| 5.3.3 系统开发关键技术解决 |
| 5.4 本章小结 |
| 6 采空区卸压瓦斯抽采智能评价方法工程验证 |
| 6.1 采空区卸压瓦斯高位钻孔抽采效果分析 |
| 6.1.1 工作面概况及钻孔抽采布置参数 |
| 6.1.2 高位钻孔布置及瓦斯抽采效果分析 |
| 6.2 采空区卸压瓦斯抽采预测模型验证 |
| 6.3 采空区卸压瓦斯抽采智能评价及调控措施 |
| 6.3.1 采空区卸压瓦斯抽采智能评价效果分析 |
| 6.3.2 采空区卸压瓦斯抽采智能评价调控措施建议 |
| 6.4 本章小结 |
| 7 结论 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 1 攻读博士学位期间发表的论文 |
| 2 攻读博士学位期间获得的专利 |
| 3 攻读博士学位期间获得的软件着作权 |
| 4 攻读博士学位期间参与的科研项目 |
| 5 部分程序代码 |
（2）民航飞行作风量化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义与目的 |
| 1.3 国内外研究现状 |
| 1.4 研究内容和方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 创新点 |
| 1.5 论文框架 |
| 第二章 理论基础 |
| 2.1 飞行作风的定义 |
| 2.2 飞行职业操守 |
| 2.3 非技术技能 |
| 2.4 风险容忍与危险态度 |
| 2.5 决策试验分析法理论 |
| 2.6 解释结构模型理论 |
| 2.7 模糊综合评价理论 |
| 第三章 飞行作风影响因素体系构建 |
| 3.1 飞行作风影响因素分析 |
| 3.2 飞行作风影响因素确立原则 |
| 3.2.1 科学性原则 |
| 3.2.2 全面性原则 |
| 3.2.3 适用性原则 |
| 3.3 飞行作风影响因素确立 |
| 3.4 飞行作风影响因素说明 |
| 3.4.1 遵章守纪 |
| 3.4.2 职业操守 |
| 3.4.3 自我提升 |
| 3.4.4 组织管理 |
| 第四章 飞行作风影响因素分析模型构建 |
| 4.1 模型确立 |
| 4.2 基于DEMATEL/ISM模型构建思路 |
| 第五章 飞行作风影响因素实证分析和实施建议 |
| 5.1 问卷设计 |
| 5.2 数据收集与整理 |
| 5.3 DEMATEL/ISM分析过程 |
| 5.3.1 直接影响矩阵的建立 |
| 5.3.2 建立可达矩阵 |
| 5.3.3 建立多层次梯阶结构模型 |
| 5.4 DEMATEL/ISM结果分析 |
| 5.4.1 原因因子与结果因子分析 |
| 5.4.2 关键影响因素分析 |
| 5.4.3 飞行作风多层梯阶结构模型分析 |
| 5.5 飞行作风建设的建议措施 |
| 5.5.1 表层因素建议措施 |
| 5.5.2 深层因素建议措施 |
| 5.5.3 根源因素建议措施 |
| 第六章 基于模糊理论的飞行作风评价 |
| 6.1 基于模糊理论的飞行作风评价方案设计思路 |
| 6.2 飞行作风评价方法构建 |
| 6.2.1 基于DEMATEL的指标权重 |
| 6.2.2 基于模糊理论的指标赋值 |
| 6.3 实例分析 |
| 6.3.1 设立评判结论集 |
| 6.3.2 飞行作风因素评分 |
| 6.3.3 飞行作风等级评定 |
| 第七章 结论与展望 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（3）FMECA和FTA在某型飞机起落架系统故障分析中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.1.1 论文题目背景 |
| 1.1.2 研究目的和意义 |
| 1.2 FMECA和FTA分析技术国内外研究现状 |
| 1.2.1 FMECA的研究现状 |
| 1.2.2 FTA的研究现状 |
| 1.3 论文的主要内容 |
| 2 某型飞机起落架系统组成及工作原理 |
| 2.1 某型飞机起落架系统组成和工作原理 |
| 2.1.1 系统组成 |
| 2.1.2 工作原理 |
| 2.2 本章小结 |
| 3 FMECA方法在某型飞机起落架系统中的应用研究 |
| 3.1 FMECA方法概述 |
| 3.1.1 FMECA基本原理 |
| 3.1.2 FMECA基本方法的类型及应用 |
| 3.1.3 FMECA方法的相关名词术语 |
| 3.1.4 FMECA的任务和目的 |
| 3.1.5 FMECA分析过程 |
| 3.1.6 FMEA方法 |
| 3.1.7 CA方法 |
| 3.2 某型飞机前起落架系统故障统计分析 |
| 3.2.1 故障模式统计 |
| 3.2.2 故障数据统计分析 |
| 3.2.3 故障模式统计分析 |
| 3.3 某型飞机前起落架系统FMECA分析 |
| 3.3.1 某型飞机前起落架系统FMEA分析 |
| 3.3.2 某型飞机前起落架系统CA分析 |
| 3.4 本章小结 |
| 4 模糊FMECA方法在某型飞机起落架系统中的应用研究 |
| 4.1 模糊FMECA方法 |
| 4.1.1 模糊综合评判方法 |
| 4.1.2 模糊综合评判步骤 |
| 4.2 层次分析法确定权重向量 |
| 4.2.1 层次分析法原理 |
| 4.2.2 层次分析法步骤 |
| 4.3 基于模糊FMECA方法的某型飞机前起落架系统风险评判 |
| 4.3.1 建立前起落架收放子系统模糊FMECA风险评判模型 |
| 4.3.2 基于模糊综合评判的故障模式CA模型研究 |
| 4.3.3 前轮转弯子系统模糊FMECA风险评判 |
| 4.3.4 减震缓冲及支撑子系统模糊FMECA风险评判 |
| 4.3.5 护板及护板收放子系统模糊FMECA风险评判 |
| 4.3.6 机轮及轮胎子系统模糊FMECA风险评判 |
| 4.3.7 前起落架系统整体风险评判 |
| 4.4 本章小结 |
| 5 FTA方法在某型飞机起落架系统中的应用研究 |
| 5.1 FTA分析方法理论基础 |
| 5.1.1 FTA分析方法概述 |
| 5.1.2 FTA分析步骤 |
| 5.1.3 FTA定性分析 |
| 5.1.4 FTA定量分析 |
| 5.2 模糊理论基础 |
| 5.2.1 模糊数 |
| 5.2.2 模糊数归一化 |
| 5.2.3 模糊数运算法则 |
| 5.2.4 模糊数去模糊化 |
| 5.3 起落架系统FTA分析 |
| 5.3.1 定性分析 |
| 5.3.2 定量分析 |
| 5.4 维护措施建议 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士期间发表论文及科研成果 |
| 致谢 |
（4）公路软土地基处理关键技术智能信息化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 软土土性指标统计优化分析研究现状 |
| 1.2.2 公路软基处理方案智能决策技术研究现状 |
| 1.2.3 软土地基路堤沉降与稳定监测技术研究现状 |
| 1.3 本文研究思路及主要研究内容 |
| 第二章 软土土性指标概率分布统计优化分析 |
| 2.1 软土土性指标的优化分析 |
| 2.1.1 土工试验数据的优化整理 |
| 2.1.2 天津软土的物理力学指标 |
| 2.1.3 天津软土指标间的相互关系 |
| 2.2 软土土性指标的概率分布模型 |
| 2.2.1 概率分布模型的建立 |
| 2.2.2 岩土参数的概率分布类型 |
| 2.2.3 天津软土土性指标的概率分布模型 |
| 2.3 土性指标试验方法不确定性的概率评定方法 |
| 2.3.1 不同试验方法对软土强度特性的影响 |
| 2.3.2 强度指标不同试验方法间的相互关系 |
| 2.3.3 强度指标不同试验方法不确定性的随机因子 |
| 2.4 本章小结 |
| 第三章 公路软基处理方案的模糊综合评判决策 |
| 3.1 公路软基处理方案的推理方法 |
| 3.1.1 公路软基处理方案决策知识的不确定性 |
| 3.1.2 公路软基处理方案不确定性推理方法 |
| 3.1.3 模糊综合评判决策方法 |
| 3.2 公路软基处理方案模糊综合评判 |
| 3.2.1 公路软基处理方案模糊综合评判模型构建 |
| 3.2.2 公路软基处理方案模糊综合评判流程 |
| 3.2.3 实例分析 |
| 3.3 公路软基处理方案多层次模糊综合评判 |
| 3.3.1 公路软基处理方案多层次结构模型 |
| 3.3.2 影响因素评语隶属度的确定 |
| 3.3.3 影响因素权重的确定 |
| 3.3.4 实例分析 |
| 3.4 本章小结 |
| 第四章 基于BP神经网络和灰色理论的公路软基处理方案决策 |
| 4.1 基本理论 |
| 4.1.1 BP神经网络 |
| 4.1.2 灰关联分析技术 |
| 4.2 公路软基处理方案决策的BP神经网络模型 |
| 4.2.1 网络模型的建立 |
| 4.2.2 网络训练及算法 |
| 4.2.3 实例分析 |
| 4.3 基于灰色理论的公路软基处理方案决策 |
| 4.3.1 方案决策模型 |
| 4.3.2 确定比较数据列和参考数据列 |
| 4.3.3 关联度计算 |
| 4.4 本章小结 |
| 第五章 软土地基路堤沉降与稳定监测技术研究 |
| 5.1 软土地基路堤沉降与稳定监测方法 |
| 5.1.1 监测内容及仪器 |
| 5.1.2 监测点布置原则 |
| 5.1.3 沉降与稳定监测数据的分析与评价 |
| 5.2 软土地基路堤沉降与稳定监测异常数据的判别分析 |
| 5.2.1 异常数据的评判准则 |
| 5.2.2 异常数据的成因分析 |
| 5.2.3 实例分析 |
| 5.3 路堤沉降无线监测系统研究 |
| 5.3.1 路堤沉降无线监测系统测量原理 |
| 5.3.2 路堤沉降无线监测系统硬件、软件 |
| 5.3.3 路堤沉降无线监测系统测试 |
| 5.4 本章小结 |
| 第六章 软土地基路堤沉降预测研究 |
| 6.1 基于实测资料的路堤沉降预测方法 |
| 6.1.1 沉降预测方法分类 |
| 6.1.2 曲线拟合类沉降预测方法 |
| 6.1.3 系统分析类沉降预测方法 |
| 6.2 曲线拟合沉降预测方法的可靠性分析 |
| 6.2.1 预测方法的可靠性评价指标 |
| 6.2.2 工程实例分析 |
| 6.3 费尔哈斯曲线在软土地基路堤沉降预测中的应用 |
| 6.3.1 费尔哈斯曲线模型 |
| 6.3.2 费尔哈斯模型的求解 |
| 6.3.3 费尔哈斯模型的改进 |
| 6.3.4 几种预测方法的比较 |
| 6.4 MATLAB-ANN系统在软土地基路堤沉降预测中的应用 |
| 6.4.1 BP神经网络模型的建立过程 |
| 6.4.2 软土地基路堤沉降预测的BP神经网络模型 |
| 6.4.3 几种预测方法的比较 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 主要研究结论 |
| 7.2 本文创新点 |
| 7.3 进一步研究展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
（5）空域分类关键技术及应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 立题的背景及意义 |
| 1.2 国内外研究综述 |
| 1.2.1 空域分类标准及方案 |
| 1.2.2 空中交通流量预测 |
| 1.2.3 空域保障系统的综合评估 |
| 1.2.4 空域分类安全性分析 |
| 1.2.5 现有研究成果的不足 |
| 1.3 研究目标及主要内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 章节安排 |
| 第二章 空域分类方案及关键技术分析 |
| 2.1 相关概念 |
| 2.1.1 空域 |
| 2.1.2 空中交通服务空域 |
| 2.1.3 管制空域 |
| 2.1.4 非管制空域 |
| 2.1.5 特殊使用空域 |
| 2.1.6 空域管理 |
| 2.1.7 空域分类 |
| 2.2 ICAO 空域分类 |
| 2.2.1 空域分类背景 |
| 2.2.2 空域分类标准 |
| 2.3 空域分类方案 |
| 2.3.1 美国空域分类方案 |
| 2.3.2 英国空域分类方案 |
| 2.3.3 德国空域分类方案 |
| 2.3.4 澳大利亚空域分类方案 |
| 2.3.5 韩国空域分类方案 |
| 2.3.6 日本空域分类方案 |
| 2.4 空域分类关键要素 |
| 2.4.1 美国空域分类关键要素 |
| 2.4.2 欧洲空域分类关键要素 |
| 2.4.3 澳大利亚空域分类关键要素 |
| 2.4.4 我国空域分类关键要素 |
| 2.5 空域分类关键技术分析 |
| 2.5.1 空中交通流量预测技术分析 |
| 2.5.2 空域保障系统的综合评估技术分析 |
| 2.5.3 空域安全技术分析 |
| 2.6 本章小结 |
| 第三章 中长期空中交通流量预测 |
| 3.1 概述 |
| 3.2 基本预测方法 |
| 3.2.1 时间序列指数平滑预测 |
| 3.2.2 回归预测 |
| 3.2.3 神经网络预测 |
| 3.3 等维灰组合预测模型 |
| 3.3.1 灰色预测 |
| 3.3.2 等维灰组合预测模型 |
| 3.4 模型验证 |
| 3.4.1 时间序列预测模型验证结果 |
| 3.4.2 回归预测模型验证结果 |
| 3.4.3 神经网络预测模型验证结果 |
| 3.4.4 灰色GM(1,1)预测模型验证结果 |
| 3.4.5 等维灰组合预测模型验证结果 |
| 3.5 验证结果分析 |
| 3.5.1 空中交通流量数据特点 |
| 3.5.2 预测模型验证结果比较分析 |
| 3.5.3 结论 |
| 3.6 本章小结 |
| 第四章 空域保障系统性能综合评估 |
| 4.1 概述 |
| 4.1.1 空域分类对保障系统的要求 |
| 4.1.2 空域保障系统 |
| 4.2 空域保障系统性能评价指标体系构建 |
| 4.2.1 VHF 通信系统评价指标体系 |
| 4.2.2 导航系统评价指标体系 |
| 4.2.3 雷达监视系统评价指标体系 |
| 4.3 空域保障系统综合评价 |
| 4.3.1 综合评价概述 |
| 4.3.2 模糊综合评价方法 |
| 4.3.3 雷达监视系统的模糊综合评判 |
| 4.4 本章小结 |
| 第五章 空域分类的安全性评价 |
| 5.1 概述 |
| 5.2 空域分类方案安全性综合评价 |
| 5.2.1 空域分类方案安全评价指标体系 |
| 5.2.2 空域分类方案安全性的D-S 评估 |
| 5.2.3 空域分类方案安全性综合评价算例分析 |
| 5.3 低空空域飞行安全分析 |
| 5.3.1 低空空域主要飞行特点 |
| 5.3.2 飞行轨迹间隔建模 |
| 5.3.3 数值仿真试验 |
| 5.4 机场空域的安全性分析 |
| 5.4.1 日高峰小时流量 |
| 5.4.2 机头时距的移位负指数分布 |
| 5.4.3 机场空域航空器安全性分析模型 |
| 5.5 空域分类人因安全分析 |
| 5.5.1 管制员可靠性分析 |
| 5.5.2 飞行员可靠性分析 |
| 5.6 本章小结 |
| 第六章 空域分类关键技术应用研究 |
| 6.1 我国现有空域状况分析 |
| 6.1.1 我国目前空域分类方案 |
| 6.1.2 我国目前空域分类方案缺陷 |
| 6.2 我国空域分类初步方案研究 |
| 6.2.1 总体框架 |
| 6.2.2 各类空域划设标准 |
| 6.3 空域分类实例研究 |
| 6.3.1 空域类型划设流程 |
| 6.3.2 上海终端区空中交通量预测 |
| 6.3.3 界定空域类型和结构 |
| 6.3.4 空域保障系统综合评估 |
| 6.3.5 空域安全性分析 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 主要研究成果 |
| 7.2 主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 附录 虹桥机场一二次合装雷达300m 及以下覆盖数据 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（6）陕南移民搬迁选址适宜性评价方法研究 ——以勉县为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景和研究意义 |
| 1.2 陕南移民搬迁选址原则 |
| 1.3 已建安置点的不足之处 |
| 1.4 国内外移民搬迁选址研究现状 |
| 1.5 评价方法的研究现状 |
| 1.5.1 传统评价方法的研究现状 |
| 1.5.2 人工智能方法的研究概况 |
| 1.5.3 群体智能优化方法的研究现状 |
| 1.6 研究内容及创新点 |
| 1.6.1 研究内容 |
| 1.6.2 创新点 |
| 1.7 研究思路和技术路线 |
| 1.7.1 研究思路 |
| 1.7.2 技术路线 |
| 第二章 区域自然地理与地质环境和资源概况 |
| 2.1 研究区概况 |
| 2.2 研究区自然地理与地质环境 |
| 2.2.1 地形地貌 |
| 2.2.2 气象 |
| 2.2.3 水文 |
| 2.2.4 地层岩性 |
| 2.2.5 地质构造 |
| 2.2.6 新构造活动与地震 |
| 2.2.7 人类工程活动特征 |
| 2.3 研究区资源和交通概况 |
| 2.3.1 植被资源 |
| 2.3.2 矿产资源 |
| 2.3.3 旅游资源 |
| 2.3.4 土地资源 |
| 2.3.5 交通条件 |
| 2.4 本章小结 |
| 第三章 地质灾害发育特点及影响因素 |
| 3.1 研究区地质灾害发育特点 |
| 3.1.1 滑坡的发育特点 |
| 3.1.2 崩塌发育特点 |
| 3.2 区域地质灾害影响因素 |
| 3.2.1 降雨因素 |
| 3.2.2 河流侵蚀因素 |
| 3.2.3 地形地貌因素 |
| 3.2.4 地层岩性因素 |
| 3.2.5 地质构造因素 |
| 3.2.6 地质灾害与人类工程活动 |
| 3.2.7 地质灾害与地震作用 |
| 3.3 地质灾害时空分布特征 |
| 3.3.1 地质灾害的年分布特征 |
| 3.3.2 地质灾害的月分布特征 |
| 3.3.3 地质灾害的空间分布特征 |
| 3.3.4 地质灾害的空间形态 |
| 3.4 本章小结 |
| 第四章 陕南移民搬迁选址评价指标体系构建 |
| 4.1 陕南移民搬迁选址评价指标体系分析 |
| 4.1.1 评价指标的构建原则： |
| 4.1.2 实地调研 |
| 4.2 指标体系构建 |
| 4.2.1 评价因子分析 |
| 4.2.2 评价指标体系构建 |
| 4.3 评价指标体系分级标准 |
| 4.3.1 地表坡度和地貌类型 |
| 4.3.2 断裂避让距离 |
| 4.3.3 工程地质岩土类型 |
| 4.3.4 地质灾害发育密度 |
| 4.3.5 水流缓冲距离和地震作用 |
| 4.3.6 降雨量、地质灾害避让距离和人类工程活动 |
| 4.3.7 土地资源 |
| 4.3.8 水资源 |
| 4.3.9 交通因素 |
| 4.3.10 经济发展潜力 |
| 4.4 评价指标权重的确定 |
| 4.5 本章小结 |
| 第五章 陕南移民搬迁选址传统评价方法研究 |
| 5.1 建立评价指标图层 |
| 5.2 模糊综合评价模型 |
| 5.2.1 模糊综合评判法原理 |
| 5.2.2 建立模糊综合评判模型 |
| 5.2.3 基于模糊综合评判法的勉县移民搬迁选址适宜性评价 |
| 5.3 基于理想点法的评价模型 |
| 5.3.1 理想点法原理 |
| 5.3.2 基于理想点法的勉县移民搬迁选址适宜性评价 |
| 5.4 基于未确知测度理论的评价模型 |
| 5.4.1 未确知测度理论简介 |
| 5.4.2 基于未确知测度理论的评价模型 |
| 5.5 评价结果验证及对比 |
| 5.5.1 三种评价模型的评价结果 |
| 5.5.2 三种评价模型验证和对比 |
| 5.6 本章小结 |
| 第六章 陕南移民搬迁选址人工智能评价方法研究 |
| 6.1 基于EDBA方法的投影寻踪模型 |
| 6.1.1 投影寻踪法的基本原理 |
| 6.1.2 基本蝙蝠算法 |
| 6.1.3 蝙蝠算法的改进 |
| 6.1.4 引入细菌迁徙因子的蝙蝠算法 |
| 6.1.5 EDBA算法性能及参数设置讨论 |
| 6.1.6 基于EDBA法的投影寻踪模型 |
| 6.1.7 基于EDBA-PP法的勉县移民搬迁选址适宜性评价 |
| 6.2 基于MFOA-GRNN方法的评价模型 |
| 6.2.1 广义回归神经网络（GRNN） |
| 6.2.2 果蝇优化算法 |
| 6.2.3 改进果蝇优化算法 |
| 6.2.4 MFOA方法的性能和参数设置讨论 |
| 6.2.6 MFOA-GRNN评价模型 |
| 6.2.7 基于MFOA-GRNN法的勉县移民搬迁选址适宜性评价 |
| 6.3 基于MPSO-LSSVM方法的评价模型 |
| 6.3.1 支持向量机基本原理 |
| 6.3.2 最小二乘支持向量机基本原理 |
| 6.3.3 粒子群算法 |
| 6.3.4 MPSO方法的性能和参数设置讨论 |
| 6.3.5 MPSO-LSSVM评价模型 |
| 6.3.6 基于MPSO-LSSVM法的勉县移民搬迁选址适宜性评价 |
| 6.4 MGEP-Mirm评价模型 |
| 6.4.1 多元线性回归模型 |
| 6.4.2 GEP方法的基本原理 |
| 6.4.3 GEP方法在参数优化中的实现过程 |
| 6.4.4 方法的改进 |
| 6.4.5 基于MGEP优化算法的多元线性回归参数估计 |
| 6.4.6 MGEP方法的性能和参数设置讨论 |
| 6.4.7 基于MGEP优化算法的多元线性回归参数估计 |
| 6.4.8 基于MGEP-Mirm法的陕南移民搬迁选址适宜性评价 |
| 6.5 基于猫群算法和K-means聚类分析 |
| 6.5.1 Ｋ均值聚类算法基本原理 |
| 6.5.2 猫群算法的基本流程 |
| 6.5.3 猫群算法群体智能搜索策略分析 |
| 6.5.4 基于CAT-K-means的评价方法 |
| 6.5.5 基于猫群-K均值聚类的勉县移民搬迁选址适宜性评价 |
| 6.5.6 K-均值算法优化前后的评价性能对比 |
| 6.6 各种人工智能方法性能对比分析 |
| 6.7 各种评价方法适用范围分析 |
| 6.8 适宜性分区图的实现 |
| 6.9 本章小结 |
| 结论和展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 附录 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（7）民航系统中飞行训练评估模型及方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 飞行品质监控的发展和研究状况 |
| 1.1.1 飞行品质监控的概念与意义 |
| 1.1.2 飞行品质监控内容 |
| 1.1.3 国内外飞行品质监控研究状况 |
| 1.2 飞行训练的概念及其重要性 |
| 1.2.1 飞行训练的概念 |
| 1.2.2 飞行训练评估的重要性 |
| 1.3 本课题的提出及意义 |
| 1.4 论文主要研究内容 |
| 第2章 飞行训练评估指标体系的建立 |
| 2.1 飞行训练评估的数据来源 |
| 2.1.1 民航对飞行记录数据的运用 |
| 2.1.2 飞行参数数据目前的使用状况 |
| 2.2 起飞训练评估指标体系的建立 |
| 2.3 巡航训练评估指标体系的建立 |
| 2.4 着陆训练评估指标体系的建立 |
| 2.5 全程飞行训练评估指标体系的建立 |
| 2.6 飞行训练评估指标数据的处理 |
| 2.6.1 模糊数学简介 |
| 2.6.2 基于模糊隶属度的指标归一化方法 |
| 2.7 本章小结 |
| 第3章 模糊综合评判方法在飞行训练评估中的应用 |
| 3.1 模糊综合评判方法简介 |
| 3.2 模糊综合评判方法的数学原理 |
| 3.2.1 模糊综合评判方法概述 |
| 3.2.2 单级模糊综合评判方法 |
| 3.2.3 多级模糊综合评判方法 |
| 3.3 模糊综合评判方法中的相关知识 |
| 3.3.1 隶属度函数的确立 |
| 3.3.2 层次分析法确定评判因素权重 |
| 3.3.3 评判模型的选择 |
| 3.4 模糊综合评判方法在起飞训练评估中的应用 |
| 3.5 模糊综合评判方法在巡航训练评估中的应用 |
| 3.6 模糊综合评判方法在着陆训练评估中的应用 |
| 3.7 模糊综合评判方法在全程飞行训练评估中的应用 |
| 3.8 本章小结 |
| 第4章 投影寻踪方法及实现 |
| 4.1 投影寻踪方法简介 |
| 4.1.1 投影寻踪方法产生的背景 |
| 4.1.2 投影寻踪方法的发展 |
| 4.1.3 投影寻踪方法的特点 |
| 4.2 投影寻踪指标的确定 |
| 4.2.1 方差指标 |
| 4.2.2 Friedman指标 |
| 4.2.3 偏度指标和峰度指标 |
| 4.2.4 信息散度指标 |
| 4.3 投影寻踪方法的评价模型 |
| 4.3.1 投影寻踪分类模型 |
| 4.3.2 投影寻踪等级评价模型 |
| 4.3.3 投影寻踪主成分分析 |
| 4.4 为求取最佳投影方向而提出的改进差分进化算法 |
| 4.4.1 基本差分进化算法 |
| 4.4.2 双向随机多策略变异的自适应差分进化算法 |
| 4.4.3 实验仿真与结果分析 |
| 4.5 本章小结 |
| 第5章 投影寻踪方法在飞行训练评估中的应用 |
| 5.1 投影寻踪方法在起飞训练评估中的应用 |
| 5.1.1 投影寻踪分类模型在起飞训练评估中的应用 |
| 5.1.2 投影寻踪等级评价模型在起飞训练评估中的应用 |
| 5.1.3 投影寻踪主成分分析在起飞训练评估中的应用 |
| 5.2 投影寻踪方法在巡航训练评估中的应用 |
| 5.2.1 投影寻踪分类模型在巡航训练评估中的应用 |
| 5.2.2 投影寻踪等级评价模型在巡航训练评估中的应用 |
| 5.2.3 投影寻踪主成分分析在巡航训练评估中的应用 |
| 5.3 投影寻踪方法在着陆训练评估中的应用 |
| 5.3.1 投影寻踪分类模型在着陆训练评估中的应用 |
| 5.3.2 投影寻踪等级评价模型在着陆训练评估中的应用 |
| 5.3.3 投影寻踪主成分分析在着陆训练评估中的应用 |
| 5.4 投影寻踪方法在全程飞行训练评估中的应用 |
| 5.4.1 投影寻踪分类模型在全程飞行训练评估中的应用 |
| 5.4.2 投影寻踪等级评价模型在全程飞行训练评估中的应用 |
| 5.4.3 投影寻踪主成分分析在全程飞行训练评估中的应用 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
（8）无人机辅助通信中基站部署策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 无人机辅助通信的特点 |
| 1.1.2 无人机辅助通信的应用方向 |
| 1.2 无人机部署的研究现状 |
| 1.2.1 无人机基站网络规划 |
| 1.2.2 静态无人机基站的部署 |
| 1.2.3 动态无人机基站的部署 |
| 1.3 本文主要研究内容与组织结构 |
| 1.3.1 本文的主要研究内容 |
| 1.3.2 本文的主要组织结构 |
| 第2章 无人机辅助通信中用户簇划分策略研究 |
| 2.1 引言 |
| 2.2 用户簇划分策略系统模型 |
| 2.2.1 用户簇划分模型 |
| 2.2.2 用户簇划分性能指标 |
| 2.3 混合聚类算法(DC-ISO) |
| 2.3.1 成对约束判别的节点数据投影过程 |
| 2.3.2 半监督密度峰值聚类算法预选簇类中心 |
| 2.3.3 改进型ISODATA算法的簇划分 |
| 2.3.4 混合聚类算法(DC-ISO)算法流程 |
| 2.4 仿真实验 |
| 2.4.1 实验参数设定 |
| 2.4.2 仿真结果分析 |
| 2.5 本章小结 |
| 第3章 无人机辅助通信中基站分配策略研究 |
| 3.1 引言 |
| 3.2 基站分配系统模型 |
| 3.2.1 基站分配模型 |
| 3.2.2 分配策略性能指标 |
| 3.3 基于模糊综合评判的无人机基站分配算法 |
| 3.3.1 层次分析法确定指标权重 |
| 3.3.2 无人机基站的预筛选过程 |
| 3.3.3 基于模糊综合评判的用户满意度综合评分 |
| 3.3.4 基于整数线性规划的无人机基站分配算法 |
| 3.4 仿真实验 |
| 3.4.1 实验参数设置 |
| 3.4.2 仿真结果分析 |
| 3.5 本章小结 |
| 第4章 静态无人机基站部署策略研究 |
| 4.1 引言 |
| 4.2 静态无人机基站部署系统模型 |
| 4.2.1 静态无人机基站部署模型 |
| 4.2.2 空对地信道模型 |
| 4.3 基于粒子群方法的静态基站部署策略 |
| 4.3.1 最大化系统下载速率问题构建 |
| 4.3.2 基于粒子群算法求解最优策略 |
| 4.4 仿真实验 |
| 4.4.1 实验参数设置 |
| 4.4.2 仿真结果分析 |
| 4.5 本章小结 |
| 第5章 动态无人机基站部署策略研究 |
| 5.1 引言 |
| 5.2 动态无人机基站部署系统模型 |
| 5.2.1 固定翼无人机基站通信服务模型 |
| 5.2.2 固定翼无人机基站能量消耗模型 |
| 5.3 基于凸优化方法的动态基站部署算法 |
| 5.3.1 能效比最大化优化问题构建 |
| 5.3.2 连续凸优化问题求解算法 |
| 5.4 仿真实验 |
| 5.4.1 实验参数设置 |
| 5.4.2 仿真结果分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间承担的科研任务与主要成果 |
| 致谢 |
（9）人工智能在地震滑坡危险性评价中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题意义 |
| 1.2 地震滑坡的研究状况 |
| 1.3 区域地震滑坡危险性评价存在问题 |
| 1.4 本文的研究思路与研究内容 |
| 第二章 地震作用下边坡稳定性的影响因素分析 |
| 2.1 地质背景的影响 |
| 2.2 岩体性质、结构类型的影响 |
| 2.3 地形地貌的影响 |
| 2.4 水文地质条件的影响 |
| 2.5 地震滑坡分布与地震参数间的关系 |
| 2.6 地震作用下边坡失稳机制的探讨 |
| 第三章 径向基概率神经网络原理 |
| 3.1 人工神经网络简介 |
| 3.2 神经网络的特点 |
| 3.3 径向基概率神经网络(RBPNN) |
| 3.4 MatLab语言及神经网络工具箱 |
| 3.5 径向基概率神经网络(RBPNN)算法的实现 |
| 3.6 径向基概率神经网络(RBPNN)在地震滑坡研究中的应用 |
| 第四章 层次分析和模糊数学 |
| 4.1 层次分析 |
| 4.2 模糊数学方法 |
| 4.3 层次分析与模糊数学方法在地震滑坡研究中的应用 |
| 第五章 西南地区地震滑坡研究分析 |
| 5.1 西南川滇地震区区域构造特征 |
| 5.2 西南地区研究实例介绍 |
| 5.2.1 1973年炉霍地震 |
| 5.2.2 1996年丽江地震 |
| 5.2.3 1974年昭通地震 |
| 5.3 径向基概率神经网络应用于潜在地震滑坡危险性划分实施方法 |
| 5.4 对结果的讨论 |
| 5.5 统一训练样本的提出 |
| 第六章 层次分析与模糊数学在地震滑坡危险性程度划分上的应用 |
| 6.1 层次分析方法确定影响因素的权重 |
| 6.2 模糊数学综合评判方法 |
| 6.3 震区研究实例 |
| 6.4 结果讨论 |
| 第七章 结论与建议 |
| 7.1 主要认识 |
| 7.2 问题与不足之处 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 在学期间发表的论文 |
（10）括苍山高速公路隧道岩爆非线性预测研究（论文提纲范文）
| 提要 |
| 第一章 绪论 |
| 1.1 选题的依据及研究意义 |
| 1.2 岩爆问题研究现状 |
| 1.2.1 岩爆的研究机构 |
| 1.2.2 岩爆机理的研究现状 |
| 1.2.3 岩爆预测方法的研究现状 |
| 1.3 岩爆主要影响因素 |
| 1.3.1 地质因素 |
| 1.3.2 环境因素 |
| 1.3.3 开挖因素 |
| 1.4 论文的主要创新点 |
| 1.5 研究内容及技术路线 |
| 第二章 括苍山隧道工程地质条件研究及岩爆现象分析 |
| 2.1 自然地理条件 |
| 2.2 水文地质条件 |
| 2.3 区域地质背景 |
| 2.4 区域深大断裂 |
| 2.5 工程区断层 |
| 2.6 构造应力场环境的震源机制解 |
| 2.7 括苍山隧道地应力原位测试 |
| 2.8 括苍山隧道岩爆现象分析 |
| 2.8.1 括苍山隧道岩爆现象描述 |
| 2.8.2 括苍山隧道岩爆区工程地质条件分析 |
| 2.8.3 小结 |
| 第三章 括苍山隧道岩爆倾向性评价及岩爆预测 |
| 3.1 基于能量判据的岩爆分析 |
| 3.2 基于单轴抗压强度的岩爆分析 |
| 3.3 基于应力判据的岩爆分析 |
| 3.3.1 洞室开挖应力场数值分析 |
| 3.3.2 有限元模型 |
| 3.3.3 有限元计算结果 |
| 3.3.4 基于应力判据的岩爆分析 |
| 3.4 基于岩性判据和应力判据的二级模糊综合评判 |
| 3.4.1 模糊综合评判介绍 |
| 3.4.2 岩爆预测的二级模糊综合评判模型 |
| 3.4.3 括苍山隧道岩爆二级模糊综合评判 |
| 3.5 小结 |
| 第四章 基于粗糙集理论的岩爆主控因素分析 |
| 4.1 粗糙集理论介绍 |
| 4.1.1 粗糙集理论的产生与发展 |
| 4.1.2 粗糙集理论的基本概念 |
| 4.2 决策表的属性重要性及权系数的确定 |
| 4.3 岩爆主控影响因素分析 |
| 4.3.1 括苍山隧道岩爆主要影响因素 |
| 4.3.2 岩爆影响因素连续属性离散化 |
| 4.3.3 基于正交试验的岩爆影响因素决策表构建 |
| 4.3.4 岩爆主控影响因素分析 |
| 4.4 基于粗糙集理论的组合权重计算 |
| 4.4.1 基于粗糙集理论的权系数确定 |
| 4.4.2 基于组合赋权法的指标综合权重确定 |
| 4.5 小结 |
| 第五章 基于支持向量机的岩爆预测研究 |
| 5.1 支持向量机原理简介 |
| 5.1.1 支持向量机的理论背景 |
| 5.1.2 支持向量机 |
| 5.2 多类分类问题 |
| 5.3 基于支持向量机的岩爆预测 |
| 5.3.1 概述 |
| 5.3.2 基于支持向量机的岩爆预测流程 |
| 5.3.3 学习样本的建立 |
| 5.3.4 基于遗传算法的支持向量机参数选择 |
| 5.3.5 模型可靠性检验 |
| 5.3.6 基于支持向量机的岩爆预测 |
| 5.4 小结 |
| 第六章 基于可拓学的岩爆预测研究 |
| 6.1 可拓学的基本理论 |
| 6.1.1 物元理论 |
| 6.1.2 可拓集合理论 |
| 6.1.3 关联函数 |
| 6.2 可拓评判建模过程 |
| 6.3 可拓评判在岩爆预测中的局限性分析及改进 |
| 6.3.1 可拓评判在岩爆预测中的局限性分析 |
| 6.3.2 基于非对称贴近度的可拓评判方法改进 |
| 6.3.3 基于组合赋权法的权重改进 |
| 6.4 改进后的可拓评判方法程序实现 |
| 6.5 基于可拓学的岩爆预测研究 |
| 6.5.1 岩爆影响因素量化 |
| 6.5.2 建立岩爆分级标准 |
| 6.5.3 确定可拓评判的节域及经典域 |
| 6.5.4 确定待评物元 |
| 6.5.5 岩爆可拓评判预测 |
| 6.6 括苍山隧道岩爆评价结果讨论 |
| 6.7 小结 |
| 第七章 括苍山隧道岩爆防治措施研究 |
| 7.1 岩爆的防治措施 |
| 7.1.1 改善围岩的物理力学特性 |
| 7.1.2 改善围岩的应力状态 |
| 7.1.3 强化围岩 |
| 7.1.4 控制爆破减小扰动 |
| 7.2 括苍山隧道岩爆防治方案 |
| 第八章 结论和建议 |
| 8.1 结论 |
| 8.2 建议 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表(含录用)的主要论文 |
| 中文摘要 |
| ABSTRACT |
四、模糊综合评判在飞行能力预测中的应用（论文参考文献）
- [1]基于深度学习的采空区卸压瓦斯抽采智能评价方法研究[D]. 宋爽. 西安科技大学, 2019(01)
- [2]民航飞行作风量化研究[D]. 钟昊权. 中国民用航空飞行学院, 2020(10)
- [3]FMECA和FTA在某型飞机起落架系统故障分析中的应用研究[D]. 邵维贵. 西华大学, 2019(02)
- [4]公路软土地基处理关键技术智能信息化研究[D]. 尹利华. 长安大学, 2011(05)
- [5]空域分类关键技术及应用研究[D]. 王世锦. 南京航空航天大学, 2010(07)
- [6]陕南移民搬迁选址适宜性评价方法研究 ——以勉县为例[D]. 贺子光. 长安大学, 2016(05)
- [7]民航系统中飞行训练评估模型及方法研究[D]. 邵煜博. 东北大学, 2013(03)
- [8]无人机辅助通信中基站部署策略研究[D]. 黄天宇. 燕山大学, 2019(06)
- [9]人工智能在地震滑坡危险性评价中的应用[D]. 陈晓利. 中国地震局地质研究所, 2007(03)
- [10]括苍山高速公路隧道岩爆非线性预测研究[D]. 邱道宏. 吉林大学, 2008(11)