| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-17页 |
| ·引言 | 第11-12页 |
| ·研究背景 | 第12页 |
| ·预测基本原理 | 第12-13页 |
| ·预测方法概述 | 第13-16页 |
| ·本文所做的主要工作 | 第16-17页 |
| 2 交通荷载量 | 第17-31页 |
| ·交通荷载量的定义 | 第17页 |
| ·交通荷载量的调查 | 第17-20页 |
| ·车辆的种类 | 第17-18页 |
| ·车辆的轴型 | 第18-19页 |
| ·调查方法 | 第19-20页 |
| ·轴载换算方法 | 第20-24页 |
| ·轴载系数定义 | 第20-21页 |
| ·AASHTO当量系数的计算 | 第21-22页 |
| ·我国规范中采取的方法 | 第22-24页 |
| ·轴载谱分析 | 第24-29页 |
| ·轴载称重调查 | 第24-26页 |
| ·车辆轴载谱的获取 | 第26-28页 |
| ·实例分析 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 3 人工神经网络和遗传算法原理 | 第31-45页 |
| ·人工神经网络概述 | 第31页 |
| ·人工神经网络的结构 | 第31-36页 |
| ·人工神经元模型 | 第31-33页 |
| ·人工神经网络的拓扑结构 | 第33-34页 |
| ·人工神经网络的学习过程及学习规则 | 第34-36页 |
| ·遗传算法 | 第36-43页 |
| ·遗传算法的基本流程 | 第36-38页 |
| ·遗传编码 | 第38-39页 |
| ·适应函数 | 第39页 |
| ·遗传算子 | 第39-43页 |
| ·本章小结 | 第43-45页 |
| 4 交通荷载遗传神经网络时间序列动态预测理论 | 第45-55页 |
| ·交通荷载的动态变化模式 | 第45页 |
| ·神经网络模型及其选择 | 第45-47页 |
| ·BP神经网络模型 | 第45-46页 |
| ·BP神经网络学习算法 | 第46-47页 |
| ·基于 BP神经网络的时间序列预测理论 | 第47-51页 |
| ·训练样本集的准备 | 第48页 |
| ·初始权值确定 | 第48-49页 |
| ·网络结构确定 | 第49页 |
| ·网络的训练和预测方式 | 第49-50页 |
| ·学习速率 | 第50页 |
| ·期望误差 | 第50页 |
| ·网络泛化能力 | 第50-51页 |
| ·GA优化BP神经网络时间序列法原理 | 第51-52页 |
| ·遗传神经网络时间序列预测模型的建立 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 5 交通荷载遗传神经网络时间序列预测模型的建立及实现 | 第55-71页 |
| ·交通荷载遗传神经网络时间序列预测模型的建立 | 第55-60页 |
| ·预测输入指标数据的确定 | 第55页 |
| ·BP网络的设计 | 第55-56页 |
| ·遗传算法的设计 | 第56-59页 |
| ·滚动预测的实现 | 第59-60页 |
| ·多步预测的实现 | 第60页 |
| ·GA-BP网络预测程序的实现 | 第60-64页 |
| ·MATLAB简介 | 第60-63页 |
| ·程序实现 | 第63-64页 |
| ·交通荷载预测实例 | 第64-65页 |
| ·网络输出结果及预测分析 | 第65-69页 |
| ·泛化能力分析 | 第67页 |
| ·对比分析 | 第67-69页 |
| ·本章小结 | 第69-71页 |
| 6 结论与展望 | 第71-73页 |
| ·本文总结 | 第71页 |
| ·未来展望 | 第71-73页 |
| 参考文献 | 第73-75页 |
| 附录 A | 第75-77页 |
| 作者简历 | 第77-81页 |
| 学位论文数据集 | 第81页 |