| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-6页 |
| 第一章 绪论 | 第6-11页 |
| 1．1 目前我国高层建筑发展的几个特点 | 第6-7页 |
| 1．2 人工神经网络在土木工程中的应用现状 | 第7-8页 |
| 1．2．1 基于BP人工神经网络的工程应用 | 第8页 |
| 1．3 本课题的来源、 目的和意义 | 第8-10页 |
| 1．4 本文研究的目标 | 第10-11页 |
| 第二章 高层建筑结构体系理论 | 第11-24页 |
| 2．1 高层建筑结构选型设计的重要意义 | 第11页 |
| 2．2 高层建筑结构体系的基本知识 | 第11-21页 |
| 2．2．1 高层建筑结构体系介绍 | 第11-12页 |
| 2．2．2 广泛使用的几种钢筋混凝土结构体系 | 第12-15页 |
| 2．2．3 高层建筑结构选型的影响因素 | 第15-17页 |
| 2．2．4 结构体系的适用范围 | 第17-20页 |
| 2．2．5 结构体系的选定 | 第20-21页 |
| 2．3 高层建筑结构的发展趋势 | 第21-24页 |
| 第三章 人工神经元网络的基本理论 | 第24-37页 |
| 3．1 人工神经元网络发展概述 | 第24-27页 |
| 3．2 人脑神经元与神经网络 | 第27-28页 |
| 3．3 人工神经网络 | 第28-35页 |
| 3．3．1 人工神经元模型 | 第28-31页 |
| 3．3．2 人工神经网络的构成 | 第31页 |
| 3．3．3 人工神经网络的学习 | 第31-33页 |
| 3．3．4 常见的人工神经网络模型 | 第33-34页 |
| 3．3．5 人工神经网络与生物神经网络的比较 | 第34-35页 |
| 3．4 人工神经网络的当前研究动态 | 第35-37页 |
| 第四章 BP人工神经网络 | 第37-50页 |
| 4．1 BP人工神经网络模型 | 第37-38页 |
| 4．2 BP人工神经网络学习算法的数学描述 | 第38-44页 |
| 4．3 BP人工神经网络的参数调节 | 第44-45页 |
| 4．4 BP人工神经网络的局限性 | 第45-46页 |
| 4．5 BP人工神经网络的改进算法 | 第46-47页 |
| 4．6 Levernberg-Marquart算法 | 第47-48页 |
| 4．7 对BP人工神经网络的评价 | 第48-50页 |
| 第五章 径向基函数神经网络 | 第50-56页 |
| 5．1 径向基函数网络模型 | 第51-53页 |
| 5．2 径向基函数网络学习算法的数学描述 | 第53-55页 |
| 5．3 有关径向基函数网络的几个问题 | 第55-56页 |
| 第六章 基于人工神经网络的高层建筑结构选型分析 | 第56-74页 |
| 6．1 人工神经网络中高层建筑结构选型的控制因素 | 第57-58页 |
| 6．2 人工神经网络的建立、训练和预测 | 第58-73页 |
| 6．2．1 人工神经网络数学模型的建立 | 第58-59页 |
| 6．2．2 人工神经网络的数据变换处理 | 第59-60页 |
| 6．2．3 BP人工神经网络的网络结构确定 | 第60-62页 |
| 6．2．4 BP人工神经网络的训练、结果分析 | 第62-70页 |
| 6．2．5 径向基函数神经网络的训练、结果分析 | 第70-73页 |
| 6．3 人工神经网络预测结果总结 | 第73-74页 |
| 第七章 总结与展望 | 第74-76页 |
| 7．1 本文所做工作总结 | 第74-75页 |
| 7．2 基于人工神经网络的高层建筑结构选型的研究展望 | 第75-76页 |
| 参考文献 | 第76-80页 |