| 前言 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-15页 |
| 第1章 混凝土碱集料反应和配合比设计研究评述 | 第15-26页 |
| ·碱集料反应研究评述 | 第15-21页 |
| ·研究现状 | 第15-18页 |
| ·存在的问题 | 第18-21页 |
| ·混凝土强度(性能)预测及配合比设计研究评述 | 第21-23页 |
| ·研究现状 | 第21-22页 |
| ·存在的问题 | 第22-23页 |
| ·解决问题的途径 | 第23-26页 |
| 第2章 神经网络与模糊神经网络 | 第26-54页 |
| ·研究及应用现状 | 第26-30页 |
| ·概述 | 第26-27页 |
| ·神经网络在水泥和混凝土研究中应用综述 | 第27-29页 |
| ·模糊神经网络在土木工程及材料研究领域中的应用综述 | 第29-30页 |
| ·与网络计算有关的基本知识 | 第30-32页 |
| ·神经网络的基本概念 | 第32-37页 |
| ·神经网络节点的组成 | 第32-34页 |
| ·神经网络的拓扑结构 | 第34-35页 |
| ·神经网络的学习与训练 | 第35-36页 |
| ·神经网络的主要特点 | 第36-37页 |
| ·BP网络 | 第37-41页 |
| ·网络模型 | 第38-39页 |
| ·学习算法 | 第39-41页 |
| ·径基函数网络 | 第41-44页 |
| ·网络模型 | 第41-42页 |
| ·学习算法 | 第42-44页 |
| ·降维网络 | 第44-49页 |
| ·引言 | 第44-45页 |
| ·基于BP网的降维网络模型及其学习算法 | 第45-47页 |
| ·基于RBF网的降维网络模型及其学习算法 | 第47-49页 |
| ·模糊神经网络 | 第49-54页 |
| ·引言 | 第49页 |
| ·网络模型 | 第49-52页 |
| ·学习算法 | 第52-54页 |
| 第3章 运用模糊神经网络研究混凝土AAR问题 | 第54-68页 |
| ·引言 | 第54页 |
| ·试验条件和样本数据 | 第54-60页 |
| ·网络计算 | 第60-61页 |
| ·结果分析 | 第61-64页 |
| ·FNN与回归分析比较 | 第64-67页 |
| ·结论 | 第67-68页 |
| 第4章 运用模糊神经网络研究矿渣抑制AAR问题 | 第68-75页 |
| ·引言 | 第68页 |
| ·试验条件和样本数据 | 第68-70页 |
| ·网络计算 | 第70页 |
| ·结果分析 | 第70-74页 |
| ·结论 | 第74-75页 |
| 第5章 运用模糊神经网络研究粉煤灰抑制AAR问题(1) | 第75-82页 |
| ·引言 | 第75页 |
| ·试验条件和样本数据 | 第75-76页 |
| ·网络计算 | 第76-77页 |
| ·结果分析 | 第77-81页 |
| ·结论 | 第81-82页 |
| 第6章 运用模糊神经网络研究粉煤灰抑制AAR问题(2) | 第82-120页 |
| ·试验概况 | 第82-86页 |
| ·材料 | 第82-83页 |
| ·试验条件及样本数据 | 第83-86页 |
| ·基于模糊神经网络的7输入模型 | 第86-94页 |
| ·网络计算 | 第86-87页 |
| ·结果分析 | 第87-93页 |
| ·结论 | 第93-94页 |
| ·基于模糊神经网络的6输入模型(Ⅰ) | 第94-99页 |
| ·网络计算 | 第94页 |
| ·结果分析 | 第94-98页 |
| ·结论 | 第98-99页 |
| ·基于回归分析的7输入模型 | 第99-105页 |
| ·线性回归模型 | 第99-101页 |
| ·二次型回归模型 | 第101-103页 |
| ·回归模型与FNN模型所得结果比较 | 第103-105页 |
| ·基于模糊神经网络的6输入模型(Ⅱ) | 第105-109页 |
| ·网络计算 | 第105-106页 |
| ·结果分析 | 第106-109页 |
| ·结论 | 第109页 |
| ·当量碱计算公式中K_2O系数初步分析 | 第109-111页 |
| ·基于模糊神经网络的6输入模型(Ⅲ) | 第111-117页 |
| ·网络计算 | 第111-112页 |
| ·结果分析 | 第112-117页 |
| ·结论 | 第117页 |
| ·本章小结 | 第117-120页 |
| 第7章 当量碱计算公式中K_2O系数的试验研究 | 第120-136页 |
| ·快速法对比试验 | 第120-124页 |
| ·试验条件和样本数据 | 第120-122页 |
| ·结果分析 | 第122-124页 |
| ·“80℃养护法”对比试验 | 第124-131页 |
| ·试验条件和样本数据 | 第125-127页 |
| ·结果分析 | 第127-131页 |
| ·有关学者的试验 | 第131-133页 |
| ·K_2O和Na_2O引起AAR膨胀差异的机理分析 | 第133-135页 |
| ·本章小结 | 第135-136页 |
| 第8章 运用神经网络和模糊神经网络预测混凝土强度 | 第136-146页 |
| ·运用多层前馈网络预测混凝土强度 | 第136-139页 |
| ·样本数据 | 第136页 |
| ·网络计算 | 第136-138页 |
| ·结果分析 | 第138-139页 |
| ·配合比设计 | 第139页 |
| ·运用模糊神经网络预测混凝土强度 | 第139-146页 |
| ·网络计算 | 第139-141页 |
| ·结果分析 | 第141-144页 |
| ·配合比设计 | 第144页 |
| ·小结 | 第144-146页 |
| 第9章 降维网络在混凝土配合比优化设计中的应用研究 | 第146-151页 |
| ·引言 | 第146页 |
| ·样本数据 | 第146-147页 |
| ·网络计算 | 第147-149页 |
| ·结果分析 | 第149-151页 |
| 第10章 结论与展望 | 第151-155页 |
| ·结论 | 第151-152页 |
| ·展望 | 第152-155页 |
| 参考文献 | 第155-160页 |
| 在读博士期间发表的主要论文 | 第160-161页 |
| 致谢 | 第161页 |
