非线性分析方法是模式发现的一个重要工具，它结合了统计学、数据库技术、机器学习等领域的知识。常用的方法有统计分析、神经网络、灰色理论、模糊数学、遗传算法、分形理论和聚类等方法。非线性数据处理方法在滑坡研究中具有广泛的应用前景。

本书系统阐述了滑坡位移监测及数据预处理；时频分析、灰色系统模型、卡尔曼滤波模型、神经网络模型和变点分析等非线性理论用于滑坡的分析预报；滑坡灾害敏感性分析及风险评价等。

本书紧密围绕滑坡监测、分析、预报与稳定性评价这一主题，对应用非线性理论和方法在滑坡变形监测数据分析与预报领域理论和工程实践方面进行了研究。本书共分9章，包括绪论、滑坡监测技术及数据预处理、滑坡监测位移数据时频分析、滑坡监测灰色系统分析与预测、基于卡尔曼滤波的滑坡位移数据处理、改进神经网络滑坡位移预测模型、变点分析及其在滑坡位移分析中的应用、基于神经网络与GIS的滑坡敏感性分析和滑坡灾害风险评价。

本书可供从事各种工程的监测分析预报和灾害评估的生产、科研和管理人员参考，也可作为高等院校相关专业师生的教学参考书。

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