基于BP神经网络的岩土参数预测专家系统的研究
| 第一章 绪论 | 第1-18页 |
| §1-1 岩土参数预测专家系统的意义及发展现状 | 第8-10页 |
| 1-1-1 系统发展的意义 | 第8-9页 |
| 1-1-2 岩土参数预测专家系统的发展现状 | 第9-10页 |
| §1-2 专家系统的简介 | 第10-11页 |
| 1-2-1 专家系统概念 | 第10页 |
| 1-2-2 专家系统发展 | 第10-11页 |
| 1-2-3 专家系统在土木工程中的应用 | 第11页 |
| §1-3 神经网络的发展及在岩土方面应用 | 第11-15页 |
| 1-3-1 ANN的发展历程 | 第11-13页 |
| 1-3-2 人工神经网络的典型模型 | 第13-14页 |
| 1-3-3 Matlab神经网络工具箱 | 第14页 |
| 1-3-4 神经网络在岩土工程中的应用 | 第14-15页 |
| §1-4 本课题研究的内容 | 第15-18页 |
| 1-4-1 课题背景 | 第15页 |
| 1-4-2 课题的技术可行性 | 第15-16页 |
| 1-4-3 系统研究的目的及内容 | 第16-18页 |
| 第二章 神经网络技术的基本原理 | 第18-34页 |
| §2-1 神经网络的基本理论 | 第18-24页 |
| 2-1-1 神经元模型 | 第18-21页 |
| 2-1-2 人工神经网络的分类 | 第21-22页 |
| 2-1-3 人工神经网络的基本特征 | 第22-23页 |
| 2-1-4 神经网络的学习规则 | 第23-24页 |
| §2-2 BP神经网络理论介绍 | 第24-31页 |
| 2-2-1 BP网络简介 | 第24-25页 |
| 2-2-2 BP网络参数 | 第25页 |
| 2-2-3 BP神经网络学习过程 | 第25-29页 |
| 2-2-4 BP网络模型存在的问题及改进 | 第29-31页 |
| §2-3 人工神经网络的泛化能力 | 第31-34页 |
| 2-3-1 样本处理 | 第31-32页 |
| 2-3-2 训练集的选择 | 第32-33页 |
| 2-3-3 隐层神经元个数 | 第33页 |
| 2-3-4 初始权值的选择 | 第33-34页 |
| 第三章 基于神经网络的专家系统设计 | 第34-43页 |
| §3-1 专家系统与神经网络的结合 | 第34-36页 |
| 3-1-1 专家系统的组成 | 第34页 |
| 3-1-2 专家系统存在的缺陷 | 第34-35页 |
| 3-1-3 专家系统与神经网络的区别 | 第35-36页 |
| 3-1-4 专家系统于神经网络的互补 | 第36页 |
| §3-2 神经网络专家系统的理论 | 第36-38页 |
| 3-2-1 神经网络专家系统的工作原理 | 第36页 |
| 3-2-2 神经网络专家系统的特点 | 第36-37页 |
| 3-2-3 BPNES的结构及功能描述 | 第37-38页 |
| §3-3 系统的知识表达和知识库 | 第38-40页 |
| 3-3-1 知识表达方法 | 第38-39页 |
| 3-3-2 知识获取 | 第39-40页 |
| 3-4 推理机制及解释机制 | 第40-43页 |
| 3-4-1 神经网络推理机制 | 第40页 |
| 3-4-2 神经网络输出结果向描述性知识的转换 | 第40-41页 |
| 3-4-3 推理方法 | 第41页 |
| 3-4-4 推理方向 | 第41-42页 |
| 3-4-5 解释机制 | 第42页 |
| 3-4-6 神经网络推理的解释方法 | 第42-43页 |
| 第四章 基于BP模型在岩土参数预测研究 | 第43-60页 |
| §4-1 岩土参数预测的BP模型 | 第43-47页 |
| 4-1-1 岩土参数的性质 | 第43-45页 |
| 4-1-2 使用BP模型对岩土参数进行预测 | 第45-47页 |
| §4-2 原始管理数据库的结构及数据抽取 | 第47-51页 |
| 4-2-1 数据分析 | 第47-48页 |
| 4-2-2 数据库的结构 | 第48-49页 |
| 4-2-3 ADO．NET数据库编程语言 | 第49-51页 |
| 4-2-4 数据抽取过程 | 第51页 |
| §4-3 预测模型的工程应用 | 第51-60页 |
| 4-3-1 工程简介 | 第51-53页 |
| 4-3-2 地层厚度预测 | 第53-57页 |
| 4-3-3 岩土参数预测 | 第57-60页 |
| 第五章 结论与建议 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63页 |
