| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 1 绪论 | 第11-19页 |
| ·研究背景及意义 | 第11-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·研究内容 | 第16-19页 |
| ·本文主要研究的内容 | 第16页 |
| ·本文结构 | 第16-19页 |
| 2 BP神经网络 | 第19-31页 |
| ·人工神经网络的基本原理 | 第19-21页 |
| ·人工神经网络的简介 | 第19页 |
| ·人工神经网络的发展历史 | 第19-20页 |
| ·人工神经网络的特点及主要功能 | 第20-21页 |
| ·人工神经网络的研究趋势 | 第21页 |
| ·人工神经元的结构及模型 | 第21-23页 |
| ·生物神经元的结构 | 第21-22页 |
| ·人工神经元模型 | 第22-23页 |
| ·人工神经网络 | 第23-26页 |
| ·人工神经网络的模型 | 第23-25页 |
| ·人工神经网络的学习方式 | 第25页 |
| ·人工神经网络的学习算法 | 第25-26页 |
| ·BP神经网络 | 第26-29页 |
| ·BP神经网络原理 | 第26-27页 |
| ·BP神经网络算法流程 | 第27-29页 |
| ·BP神经网络算法的缺陷和不足 | 第29页 |
| ·本章小结 | 第29-31页 |
| 3 对粒子群算法的改进研究 | 第31-43页 |
| ·基本粒子群算法 | 第31-33页 |
| ·PSO算法的原理 | 第31页 |
| ·PSO算法的基本特点 | 第31-32页 |
| ·PSO算法的参数分析 | 第32-33页 |
| ·PSO算法的基本流程 | 第33页 |
| ·几种PSO算法 | 第33-36页 |
| ·权重线性递减的PSO算法 | 第34-35页 |
| ·权重随机的PSO算法 | 第35页 |
| ·改进的PSO算法 | 第35-36页 |
| ·几种PSO算法的数值试验对比 | 第36-39页 |
| ·种群规模对于改进的PSO算法的影响 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 4 改进后的PSO-BP优化算法在大坝变形预测中的应用 | 第43-63页 |
| ·PSO-BP神经网络模型中BP结构的确定 | 第43-45页 |
| ·大坝变形因子的预处理 | 第43页 |
| ·BP结构中输入因子和输出量的确定 | 第43-45页 |
| ·隐含层节点数的确定 | 第45页 |
| ·PSO-BP神经网络算法的模型设计及流程 | 第45-48页 |
| ·PSO-BP神经网络算法的模型设计 | 第45-46页 |
| ·PSO-BP神经网络算法的流程 | 第46-48页 |
| ·BP神经网络模型的应用 | 第48-51页 |
| ·BP神经网络模型的拟合效果及精度分析 | 第48-50页 |
| ·BP神经网络模型的不足及改进思路 | 第50-51页 |
| ·PSO-BP模型与改进的PSO-BP模型的变形拟合 | 第51-57页 |
| ·PSO-BP模型与改进的PSO-BP模型的拟合效果 | 第51-55页 |
| ·PSO-BP模型与改进的PSO-BP模型的拟合精度分析 | 第55-57页 |
| ·PSO-BP模型与改进的PSO-BP模型的变形预测 | 第57-61页 |
| ·PSO-BP模型与改进的PSO-BP模型的预测效果 | 第57-60页 |
| ·PSO-BP模型与改进的PSO-BP模型的预测精度分析 | 第60-61页 |
| ·本章小结 | 第61-63页 |
| 5 结论与展望 | 第63-65页 |
| ·结论 | 第63页 |
| ·展望 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士期间参加的科研项目 | 第73页 |
