| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-16页 |
| ·引言 | 第7页 |
| ·震动液化的机理 | 第7-8页 |
| ·砂土地震液化研究现状 | 第8-10页 |
| ·传统地震液化判别方法及其局限性 | 第8-10页 |
| ·砂土液化研究新方法 | 第10页 |
| ·神经网络研究简史 | 第10-12页 |
| ·MP模型的提出和人工神经网络的兴起 | 第11页 |
| ·感知器模型和人工神经网络的第一次高潮 | 第11页 |
| ·Minsky 和Papert 文章的冲击和神经网络的低潮 | 第11页 |
| ·Hopfield 网络模型的出现和人工神经网络的复苏 | 第11-12页 |
| ·人工神经网络的特点 | 第12-14页 |
| ·固有的并行结构和并行处理 | 第12页 |
| ·知识的分布储存 | 第12-13页 |
| ·容错性 | 第13页 |
| ·自适应性 | 第13页 |
| ·人工神经网络预测砂土液化的研究现状 | 第13-14页 |
| ·本文的研究目的和主要内容 | 第14-16页 |
| 第二章 BP网络原理 | 第16-27页 |
| ·BP网络的提出 | 第16页 |
| ·BP网络结构 | 第16-18页 |
| ·BP网络的学习过程 | 第18-21页 |
| ·模式的顺传播 | 第18-19页 |
| ·误差的逆传播 | 第19-20页 |
| ·记忆训练过程 | 第20-21页 |
| ·收敛过程 | 第21页 |
| ·BP网络的学习算法 | 第21页 |
| ·BP网络模型的缺陷 | 第21-22页 |
| ·BP网络算法的改进 | 第22-24页 |
| ·附加冲量法 | 第22页 |
| ·变步长学习算法 | 第22-23页 |
| ·双极性S 型转换函数法 | 第23-24页 |
| ·BP网络设计 | 第24-25页 |
| ·输入层与输出层的设计 | 第24页 |
| ·隐含层的数目 | 第24页 |
| ·隐含层神经元的个数 | 第24-25页 |
| ·初始值的选取 | 第25页 |
| ·BP神经网络与统计方法的关系 | 第25-26页 |
| ·本章小节 | 第26-27页 |
| 第三章 砂土液化评价的BP神经网络模型N_1 | 第27-40页 |
| ·砂土液化评价的BP神经网络模型的建立 | 第27-29页 |
| ·节点设计 | 第27-28页 |
| ·网络拓扑结构 | 第28-29页 |
| ·输入数据整理 | 第29-30页 |
| ·砂土液化预测模型N_1 的预测结果及分析 | 第30-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 上下平移双极性S函数对砂土液化评价的影响 | 第40-53页 |
| ·引言 | 第40页 |
| ·平移双极性S函数的神经网络模型 | 第40-41页 |
| ·输出函数 | 第40-41页 |
| ·BP神经网络算法的改变 | 第41页 |
| ·网络预测比较 | 第41-52页 |
| ·结果分析及比较 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第五章 结论与建议 | 第53-55页 |
| ·结论 | 第53页 |
| ·展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 发表论文和参加科研情况说明 | 第57-58页 |
| 致谢 | 第58页 |