基于支持向量机的边坡可靠性分析
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-8页 |
| 目次 | 第8-10页 |
| 1. 绪论 | 第10-14页 |
| ·国内外研究现状 | 第10-12页 |
| ·边坡稳定性分析方法 | 第10页 |
| ·边坡可靠性分析方法 | 第10-12页 |
| ·论文的研究意义 | 第12页 |
| ·论文的研究内容 | 第12-14页 |
| 2. 边坡可靠性分析方法 | 第14-23页 |
| ·可靠性分析原理 | 第14-15页 |
| ·可靠性分析方法 | 第15-21页 |
| ·一次二阶矩法(FOSM) | 第15-18页 |
| ·SORM法 | 第18-19页 |
| ·响应面法 | 第19-20页 |
| ·蒙特卡洛法 | 第20-21页 |
| ·设计可靠度 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3. 统计学习理论和支持向量机法 | 第23-30页 |
| ·机器学习 | 第23-24页 |
| ·机器学习的一般原理 | 第23页 |
| ·经验风险最小化(ERM) | 第23-24页 |
| ·统计学习理论 | 第24-25页 |
| ·VC维与推广能力的界 | 第24页 |
| ·结构风险最小化(SRM) | 第24-25页 |
| ·支持向量机法 | 第25-29页 |
| ·最优超平面 | 第25-26页 |
| ·构造最优超平面 | 第26页 |
| ·支持向量机的结构 | 第26-27页 |
| ·用于函数拟合的支持向量机 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 4. 基于支持向量机法的边坡安全系数预测模型 | 第30-37页 |
| ·安全系数预测模型及其假设 | 第30-31页 |
| ·基于支持向量机法的安全系数预测模型的建立 | 第31-34页 |
| ·确定模型输入变量 | 第31页 |
| ·数据预处理 | 第31页 |
| ·支持向量机模型的选择与优化 | 第31-33页 |
| ·遗传算法简介 | 第33-34页 |
| ·基于支持向量机法的安全系数预测算例 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 5. 基于支持向量机法的可靠性分析 | 第37-59页 |
| ·计算流程 | 第37-38页 |
| ·样本点的选取 | 第38-39页 |
| ·均匀设计法 | 第39页 |
| ·样范围和取样数目 | 第39页 |
| ·算例分析 | 第39-58页 |
| ·秀茂坪边坡 | 第40-54页 |
| ·CANNON坝 | 第54-58页 |
| ·本章小结 | 第58-59页 |
| 6. 考虑参数空间变异性的可靠性分析 | 第59-65页 |
| ·随机场理论 | 第59-61页 |
| ·随机场理论基本概念 | 第59-60页 |
| ·随机场理论在可靠性分析中的应用 | 第60-61页 |
| ·插值法 | 第61-62页 |
| ·插值法计算原理 | 第61-62页 |
| ·插值法与响应面法结合 | 第62页 |
| ·算例 | 第62-64页 |
| ·算例介绍 | 第62-63页 |
| ·计算结果 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 7. 结论与展望 | 第65-67页 |
| ·结论 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 作者简历 | 第72页 |
