| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-9页 |
| 1 绪论 | 第9-21页 |
| ·研究目的及意义 | 第9-10页 |
| ·研究现状及存在的主要问题 | 第10-11页 |
| ·本文主要内容 | 第11页 |
| ·人工神经元网络理论 | 第11-13页 |
| ·人工神经元网络概念 | 第11-12页 |
| ·人工神经元网络模型 | 第12-13页 |
| ·人工神经元网络学习 | 第13页 |
| ·BP（back propagation）神经网络及其算法 | 第13-18页 |
| ·BP 算法的基本思想 | 第14页 |
| ·BP 神经网络的具体学习算法 | 第14-16页 |
| ·BP 神经网络样本训练 | 第16-17页 |
| ·网络参数确定原则 | 第17-18页 |
| ·BP 网络存在的问题及主要的改进算法 | 第18-19页 |
| ·人工神经元网络在公路隧道仰坡设计的应用优势 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 2 公路隧道仰坡设计的影响因素分析 | 第21-36页 |
| ·地质因素对仰坡岩体稳定性的影响 | 第21-34页 |
| ·工程、施工因素对仰坡岩体稳定性的影响 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 3 公路隧道仰坡设计的 ANN 方法 | 第36-52页 |
| ·仰坡岩石影响因素的确定 | 第36页 |
| ·训练样本的准备及归一化处理 | 第36-43页 |
| ·样本资料的采集 | 第36-38页 |
| ·仰坡样本的分类 | 第38-39页 |
| ·样本资料归一化处理(定性、定量) | 第39-43页 |
| ·改进BP 算法的编制 | 第43-51页 |
| ·MATLAB 语言的介绍 | 第43页 |
| ·改进BP 算法的编制 | 第43-47页 |
| ·隐含节点数的确定 | 第47页 |
| ·权值和阀值的初始化 | 第47页 |
| ·改进BP 神经网络的训练 | 第47-48页 |
| ·BP 神经网络仿真输出和逼近结果 | 第48页 |
| ·输出向量的还原 | 第48页 |
| ·网络的检验 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 4 工程应用 | 第52-59页 |
| ·ANN 隧道仰坡预测在南湖隧道的应用 | 第52-55页 |
| ·南湖隧道概况 | 第52页 |
| ·工程地质及水文地质情况 | 第52-54页 |
| ·南湖隧道仰坡的ANN 预测 | 第54-55页 |
| ·ANN 隧道仰坡预测在岚峰隧道的应用 | 第55-57页 |
| ·岚峰隧道工程概况 | 第55页 |
| ·工程地质及水文地质情况 | 第55-56页 |
| ·岚峰隧道仰坡的ANN 预测 | 第56-57页 |
| ·ANN 公路隧道仰坡设计误差分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 5 结论及进一步研究的建议 | 第59-61页 |
| ·主要结论 | 第59-60页 |
| ·存在问题及进一步研究的建议 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65-66页 |
| 独创性声明 | 第66页 |
| 学位论文版权使用授权书 | 第66页 |