| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-17页 |
| 1.1 土工合成材料的运用与研究 | 第10-12页 |
| 1.2 边坡国内外研究现状 | 第12-14页 |
| 1.3 研究意义 | 第14-15页 |
| 1.4 主要研究内容 | 第15-17页 |
| 2 加筋边坡稳定性影响因素敏感性分析 | 第17-30页 |
| 2.1 引言 | 第17页 |
| 2.2 基于人工神经网络的加筋边坡影响因素敏感性分析方法 | 第17-22页 |
| 2.2.1 GRNN的网络结构 | 第17-19页 |
| 2.2.2 GRNN的理论基础 | 第19-20页 |
| 2.2.3 正交试验 | 第20-22页 |
| 2.3 影响因素敏感性分析方法——数值模拟 | 第22-30页 |
| 2.3.1 三维快速拉格朗日分析数学模型 | 第22-28页 |
| 2.3.2 有限元强度折减法原理 | 第28页 |
| 2.3.3 FLAC3D求解边坡 | 第28-30页 |
| 3 加筋边坡稳定性影响因素敏感性分析实例 | 第30-35页 |
| 3.1 GRNN神经网络结合正交试验方法敏感性分析 | 第31-33页 |
| 3.2 数值模拟(有限差分法)敏感性分析 | 第33-34页 |
| 3.3 小结 | 第34-35页 |
| 4 加筋边坡随机可靠度分析 | 第35-49页 |
| 4.1 引言 | 第35页 |
| 4.2 可靠度基本概念 | 第35-38页 |
| 4.2.1 结构极限状态 | 第36-37页 |
| 4.2.2 可靠概率和失效概率 | 第37-38页 |
| 4.3 Monte Carlo方法 | 第38-40页 |
| 4.3.1 Monte Carlo法收敛性 | 第38-39页 |
| 4.3.2 Monte Carlo方法的误差 | 第39-40页 |
| 4.4 基于人工神经网络的加筋边坡可靠度分析方法 | 第40-43页 |
| 4.4.1 BP神经网络方法 | 第40-42页 |
| 4.4.2 基于BP神经网络的Monte Carlo方法可靠度分析步骤 | 第42-43页 |
| 4.5 极限平衡法的加筋边坡可靠度分析 | 第43-48页 |
| 4.5.1 简化毕肖普法 | 第43-46页 |
| 4.5.2 简化毕肖普法在加筋边坡的公式推导 | 第46-47页 |
| 4.5.3 简化毕肖普法与优化的简化毕肖普法的结果对比 | 第47页 |
| 4.5.4 简化毕肖普法结合Monte Carlo法边坡可靠性分析步骤 | 第47-48页 |
| 4.6 数值模拟(FLAC3D)结合Monte Carlo法加筋边坡可靠度分析 | 第48-49页 |
| 4.6.1 FLAC3D求解边坡 | 第48页 |
| 4.6.2 数值模拟结合Monte Carlo法边坡可靠性分析步骤 | 第48-49页 |
| 5 加筋边坡可靠性分析实例 | 第49-73页 |
| 5.1 Monte Carlo方法随机数 | 第49-50页 |
| 5.2 BP神经网络结合MonteCarlo方法加筋边坡安全系数计算 | 第50-57页 |
| 5.2.1 模型的建立 | 第52-53页 |
| 5.2.2 BP神经网络边坡安全系数计算 | 第53-57页 |
| 5.3 极限平衡法结合MonteCarlo方法加筋边坡安全系数计算 | 第57-62页 |
| 5.3.1 基于Visual Studio 2005平台的极限平衡法批量数据处理 | 第57-58页 |
| 5.3.2 简化毕肖普法与优化的简化毕肖普法的结果对比 | 第58页 |
| 5.3.3 简化毕肖普法加筋边坡安全系数计算 | 第58-62页 |
| 5.4 数值模拟(FLAC3D)结合MonteCarlo加筋边坡安全系数计算 | 第62-65页 |
| 5.5 计算结果对比分析 | 第65-68页 |
| 5.6 BP神经网络计算随机变量对可靠度的影响 | 第68-73页 |
| 6 总结与展望 | 第73-75页 |
| 6.1 本文研究成果 | 第73-74页 |
| 6.2 研究展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79页 |
