| 第一章 绪论 | 第1-21页 |
| 1．1 研究单桩极限承载力的意义 | 第11-12页 |
| 1．2 单极极限承载力研究现状 | 第12-18页 |
| 1．2．1 静载试验 | 第12-13页 |
| 1．2．2 动力测桩法 | 第13-15页 |
| 1．2．3 半经验半理论公式法 | 第15-18页 |
| 1．2．4 交叉学科方法 | 第18页 |
| 1．3 单桩极限承载力研究面临的困难 | 第18-19页 |
| 1．4 人工智能的作用及本课题研究的意义 | 第19-21页 |
| 第二章 影响单桩极限承载力的因素分析 | 第21-37页 |
| 2．1 桩基的分类 | 第21-23页 |
| 2．2 单桩破坏模式与极限承载力定义 | 第23-25页 |
| 2．3 桩基的荷载传递机理 | 第25-30页 |
| 2．3．1 竖向承载桩的荷载传递机理 | 第25-27页 |
| 2．3．2 横向承载桩的荷载传递机理 | 第27-28页 |
| 2．3．3 扩底桩的荷载传递机理 | 第28-29页 |
| 2．3．4 嵌岩桩的荷载传递机理 | 第29-30页 |
| 2．4 影响单桩极限承载力的因素 | 第30-35页 |
| 2．4．1 成桩工艺 | 第30-31页 |
| 2．4．2 土的工程性质 | 第31-32页 |
| 2．4．3 刚度与刚度比 | 第32页 |
| 2．4．4 桩体结构尺寸与桩径与长径比 | 第32-33页 |
| 2．4．5 时间效应 | 第33页 |
| 2．4．6 承受负摩擦力的竖直桩 | 第33-35页 |
| 2．5 横向承载力的影响因素 | 第35-37页 |
| 第三章 人工神经网络及其进化 | 第37-57页 |
| 3．1 人工神经网络的发展简史 | 第37-39页 |
| 3．2 人工神经网络基本概念和特征 | 第39-43页 |
| 3．2．1 神经元简介 | 第39-41页 |
| 3．2．2 人工神经元数学模型 | 第41页 |
| 3．2．3 人工车经网络的基本特征 | 第41-42页 |
| 3．2．4 人工身经网络的学习规则 | 第42-43页 |
| 3．3 人工神经网络的基本原理 | 第43-47页 |
| 3．3．1 BP算法的数学描述 | 第43-44页 |
| 3．3．2 常用的激活函数 | 第44-46页 |
| 3．3．3 隐含层数和层内结点（神经元）的选择 | 第46-47页 |
| 3．4 遗传算法的基本原理 | 第47-51页 |
| 3．4．1 遗传算法基本术语 | 第47-48页 |
| 3．4．2 遗传算法的操作基本操作 | 第48-51页 |
| 3．5 神经网络进化计算 | 第51-57页 |
| 3．5．1 用遗传算法进化网络权值 | 第52-54页 |
| 3．5．2 用遗传算法进化网络结构 | 第54-56页 |
| 3．5．3 混合算法 | 第56-57页 |
| 第四章 预测单桩极限承载力的神经网络模型的设计 | 第57-62页 |
| 4．1 概述 | 第57页 |
| 4．2 神经网络模型结构 | 第57-58页 |
| 4．3 神经网络模型的建立 | 第58-60页 |
| 4．4 样本的选择 | 第60页 |
| 4．5 输入参数的处理 | 第60-61页 |
| 4．6 常用桩基神经网络模型 | 第61-62页 |
| 第五章 工程实例 | 第62-67页 |
| 5．1 工程简介 | 第62页 |
| 5．2 神经网络模型 | 第62-63页 |
| 5．3 网络的进化与检验 | 第63-64页 |
| 5．5 实验结果 | 第64-67页 |
| 第六章 总结与展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 附1： 源程序代码 | 第73-82页 |
| 附2： 部分BP网络MATLAB源程序 | 第82-9页 |
| 插图清单 | 第9-10页 |
| 图1．1 单桩荷载—沉降（P—S）曲线 | 第13页 |
| 图1．2 单桩S—logt曲线 | 第13-21页 |
| 图2．1 不同功能的桩 | 第21-22页 |
| 图2．2 土的强度对桩破坏模式的影响 | 第22-24页 |
| 图2．3 单桩Q-S形态和极限荷载下侧阻、桩端的性状 | 第24-26页 |
| 图2．4 桩受阻力与位移的关系 | 第26-28页 |
| 图2．5 横向荷载的受力与破坏 | 第28-29页 |
| 图2．6 桩长一定时，桩端承载力所占比例与桩关系 | 第29-31页 |
| 图2．7 桩理想侧摩阻曲线 | 第31-34页 |
| 图2．8 作用于桩的正负摩擦力 | 第34页 |
| 图2．9 承受负摩擦力的桩的工作性能图示 | 第34-40页 |
| 图3．1 神经元的基本结构 | 第40-41页 |
| 图3．2 神经元的结构模型 | 第41-44页 |
| 图3．3 基于BP算法的神经网络结构 | 第44-45页 |
| 图3．4 BP神经网络误差反传学习算法流程图 | 第45页 |
| 图3．5 常用激活函数 | 第45-48页 |
| 图3．6 遗传算法的基本流程 | 第48-53页 |
| 图3．7 前馈神经网络结构示意图 | 第53-55页 |
| 图3．8 前馈神经网络拓扑结构 | 第55-59页 |
| 图4．1 土的工程性质提取 | 第59页 |
| 图4．2 扩底桩位置系数 | 第59-65页 |
| 图5．1 BP神经网络训练结果 | 第65-10页 |
| 表格清单 | 第10-82页 |
| 表4．1 常用桩基预测极限承载力的神经网络模型 | 第61-62页 |
| 表5．1 塔基下桩的信息表 | 第62-65页 |
| 表5．2 遗传算法训练结果与期望结果对比表 | 第65-66页 |
| 表5．3 BP网络仿真及检验结果对比表 | 第66-82页 |