摘要 | 第3-5页 |
ABSTRACT | 第5-6页 |
1. 绪论 | 第10-18页 |
1.1 选题背景和研究意义 | 第10-12页 |
1.1.1 选题背景 | 第10页 |
1.1.2 研究意义 | 第10-12页 |
1.2 人工神经网络在土木工程中的应用 | 第12-13页 |
1.3 MATLAB 软件的发展概况 | 第13-14页 |
1.4 本文的研究方法、主要内容及技术路线 | 第14-17页 |
1.4.1 研究方法 | 第14页 |
1.4.2 课题主要研究内容 | 第14-16页 |
1.4.3 技术路线 | 第16-17页 |
1.5 论文的创新性 | 第17-18页 |
2. 湿陷性黄土地基处理 | 第18-28页 |
2.1 湿陷性黄土的基本知识 | 第18-21页 |
2.1.1 湿陷性黄土的特殊性质 | 第18-19页 |
2.1.2 影响黄土湿陷的主要因素 | 第19-20页 |
2.1.3 湿陷性黄土对工程的影响 | 第20-21页 |
2.2 湿陷性黄土地区常见的地基处理方法 | 第21-23页 |
2.3 影响地基处理方案选择的因素 | 第23-25页 |
2.4 选取地基处理方案评价指标的原则 | 第25-26页 |
2.5 本章小结 | 第26-28页 |
3. BP 神经网络的理论基础及改进研究 | 第28-50页 |
3.1 人工神经网络的基本理论 | 第28-29页 |
3.1.1 人工神经网络的定义 | 第28页 |
3.1.2 人工神经网络发展概述 | 第28-29页 |
3.1.3 常见的人工神经网络模型 | 第29页 |
3.2 BP 神经网络的基本原理 | 第29-35页 |
3.2.1 BP 神经网络的模型 | 第30页 |
3.2.2 BP 神经网络的学习过程 | 第30-31页 |
3.2.3 BP 神经网络的学习算法 | 第31-34页 |
3.2.4 BP 神经网络算法的步骤 | 第34-35页 |
3.3 BP 神经网络与地基处理方案选择结合的优势 | 第35-37页 |
3.4 BP 神经网络的局限性与不足 | 第37-39页 |
3.5 BP 算法的改进现状 | 第39-42页 |
3.6 BP 神经网络模型的改进研究 | 第42-49页 |
3.6.1 传递函数的改进 | 第42-43页 |
3.6.2 误差函数的确定 | 第43-44页 |
3.6.3 训练算法的改进 | 第44-45页 |
3.6.4 改进 BP 算法的推导过程 | 第45-48页 |
3.6.5 改进 BP 算法的流程图 | 第48-49页 |
3.7 本章小结 | 第49-50页 |
4. 建立基于 BP 神经网络的地基处理方案选择模型 | 第50-65页 |
4.1 BP 神经网络模型的建立 | 第50-58页 |
4.1.1 样本的选取 | 第50-52页 |
4.1.2 样本的预处理 | 第52-55页 |
4.1.3 BP 神经网络结构的确定 | 第55-58页 |
4.1.4 BP 神经网络控制参数的设置 | 第58页 |
4.2 改进 BP 神经网络模型和传统 BP 神经网络模型的训练 | 第58-63页 |
4.2.1 改进 BP 神经网络模型的训练 | 第58-61页 |
4.2.2 传统 BP 神经网络模型的训练 | 第61-63页 |
4.3 改进 BP 神经网络模型和传统 BP 神经网络模型的能力验证 | 第63-64页 |
4.3.1 改进 BP 神经网络模型的能力验证 | 第63页 |
4.3.2 传统 BP 神经网络模型的能力验证 | 第63-64页 |
4.4 对比分析两种模型的评价结果 | 第64页 |
4.5 本章小结 | 第64-65页 |
5. 应用实例 | 第65-79页 |
5.1 工程实例 1 | 第65-70页 |
5.1.1 工程概况 | 第65-66页 |
5.1.2 地基处理方案的确定 | 第66页 |
5.1.3 地基处理方案的设计 | 第66-67页 |
5.1.4 处理效果的检测 | 第67-70页 |
5.2 工程实例 2 | 第70-78页 |
5.2.1 工程概况 | 第70-71页 |
5.2.2 地基处理方案的确定 | 第71页 |
5.2.3 地基处理方案的设计 | 第71-72页 |
5.2.4 处理效果的检测 | 第72-78页 |
5.3 本章小结 | 第78-79页 |
6. 结论与展望 | 第79-82页 |
6.1 结论 | 第79-80页 |
6.2 展望 | 第80-82页 |
致谢 | 第82-83页 |
参考文献 | 第83-87页 |
攻读硕士学位期间发表的论文及参与的科研项目 | 第87页 |