| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题的研究背景、目的及意义 | 第15-18页 |
| 1.1.1 海堤工程简述 | 第15-16页 |
| 1.1.2 渗流研究的现状 | 第16-17页 |
| 1.1.3 渗流反演的现状及发展意义 | 第17-18页 |
| 1.2 数值优化反演方法的研究现状 | 第18页 |
| 1.3 人工神经网络在参数辨识中的研究现状 | 第18-19页 |
| 1.4 本文所研究的内容 | 第19-21页 |
| 第二章 渗流基本原理及其有限元分析理论 | 第21-32页 |
| 2.1 基本渗流分析方法 | 第21-22页 |
| 2.2 达西定律 | 第22-24页 |
| 2.3 渗流分析的数学模型 | 第24-27页 |
| 2.3.1 渗流连续性方程 | 第24-26页 |
| 2.3.2 定解条件 | 第26-27页 |
| 2.4 渗流参数 | 第27-28页 |
| 2.5 渗流的有限元理论 | 第28-31页 |
| 2.5.1 单元分析 | 第28-29页 |
| 2.5.2 有限元法求解 | 第29-31页 |
| 2.6 小结 | 第31-32页 |
| 第三章 基于ANSYS的海堤非稳定渗流分析方法 | 第32-41页 |
| 3.1 ANSYS有限元软件简介 | 第32-35页 |
| 3.1.1 ANSYS软件介绍 | 第32-33页 |
| 3.1.2 ANSYS软件的参数化设计简介 | 第33-34页 |
| 3.1.3 ANSYS热分析模块简介 | 第34-35页 |
| 3.2 ANSYS热分析模块及其在渗流中的应用 | 第35页 |
| 3.2.1 传热学基本理论 | 第35页 |
| 3.2.2 温度场与渗流场的相似性 | 第35页 |
| 3.3 海堤非稳定渗流的实现程序 | 第35-40页 |
| 3.3.1 利用ANSYS热分析功能计算渗流 | 第35-36页 |
| 3.3.2 海堤非稳定渗流的模型建立 | 第36-39页 |
| 3.3.3 非稳定渗流程序结构 | 第39-40页 |
| 3.4 小结 | 第40-41页 |
| 第四章 海堤非稳定渗流参数反演研究与应用 | 第41-50页 |
| 4.1 渗流参数优化反演分析原理 | 第41-44页 |
| 4.1.1 目标函数的建立 | 第42页 |
| 4.1.2 约束条件 | 第42-43页 |
| 4.1.3 优化方法 | 第43-44页 |
| 4.2 基于ANSYS的海堤非稳定渗透系数反演研究 | 第44-48页 |
| 4.2.1 渗流反演模型 | 第44页 |
| 4.2.2 反演分析 | 第44-48页 |
| 4.3 小结 | 第48-50页 |
| 第五章 人工神经网络在海堤非稳定渗流反演中的研究及应用 | 第50-66页 |
| 5.1 人工神经网络简介 | 第50-52页 |
| 5.1.1 人工神经网络的发展简史 | 第50-51页 |
| 5.1.2 人工神经网络的模型及其特性 | 第51-52页 |
| 5.2 BP神经网络 | 第52-58页 |
| 5.2.1 BP神经网络的模型与结构 | 第52-54页 |
| 5.2.2 BP神经网络的激活函数 | 第54-55页 |
| 5.2.3 BP算法的数学原理 | 第55-58页 |
| 5.2.4 BP算法的程序实现 | 第58页 |
| 5.3 BP神经网络的改进 | 第58-60页 |
| 5.3.1 附加动量项改进算法 | 第59-60页 |
| 5.3.2 自适应学习速率法 | 第60页 |
| 5.4 BP神经网络在海堤渗透系数反演中的应用 | 第60-65页 |
| 5.4.1 BP神经网络的学习样本 | 第61页 |
| 5.4.2 附加动量BP算法的网络结构 | 第61-62页 |
| 5.4.3 附加动量的BP神经网络训练 | 第62-64页 |
| 5.4.4 反演验证 | 第64-65页 |
| 5.5 小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第72页 |