嵌岩长桩承载特性的人工神经网络模型的建立与研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| 1．1 钻孔灌注桩的应用和发展 | 第9-10页 |
| 1．2 问题的提出 | 第10-13页 |
| 1．3 国内外研究状况 | 第13-15页 |
| 1．4 本文的研究内容 | 第15-17页 |
| 第二章 人工神经网络和遗传算法理论 | 第17-35页 |
| 2．1 引言 | 第17页 |
| 2．2 人工神经网络 | 第17-26页 |
| 2．2．1 概述 | 第17-18页 |
| 2．2．2 人工神经网络的特点 | 第18-19页 |
| 2．2．3 人工神经元模型 | 第19-21页 |
| 2．2．4 人工神经网络的运行过程 | 第21-23页 |
| 2．2．5 人工神经网络的拓扑结构 | 第23页 |
| 2．2．6 BP算法的数学理论 | 第23-26页 |
| 2．2．7 BP算法具体流程 | 第26页 |
| 2．3 遗传算法 | 第26-35页 |
| 2．3．1 概述 | 第26-28页 |
| 2．3．2 遗传算法的特点 | 第28-29页 |
| 2．3．3 遗传算法应用设计理论 | 第29-35页 |
| 第三章 数据收集与分析处理 | 第35-46页 |
| 3．1 引言 | 第35页 |
| 3．2 主成分分析理论 | 第35-38页 |
| 3．2．1 基本概念 | 第36页 |
| 3．2．2 计算步骤 | 第36-38页 |
| 3．3 岩土性质指标的选用及其分类标准 | 第38-40页 |
| 3．3．1 土的物理力学性质及其选用指标 | 第38-39页 |
| 3．3．2 岩体的物理力学性质及其选用指标 | 第39-40页 |
| 3．4 数据收集 | 第40-41页 |
| 3．4．1 杭州市工程地质 | 第40-41页 |
| 3．4．2 嵌岩灌注桩试验资料 | 第41页 |
| 3．5 主成分计算与分析 | 第41-44页 |
| 3．5．1 主成分计算 | 第41-43页 |
| 3．5．2 主成分计算结果 | 第43-44页 |
| 3．6 本章小结 | 第44-46页 |
| 第四章 神经网络模型建立与预测分析 | 第46-63页 |
| 4．1 引言 | 第46页 |
| 4．2 神经网络模型的建立 | 第46-53页 |
| 4．2．1 输入输出设计 | 第46-48页 |
| 4．2．2 中间隐层的设计 | 第48-50页 |
| 4．2．3 激活函数 | 第50页 |
| 4．2．4 学习率η的选择 | 第50-51页 |
| 4．2．5 学习过程 | 第51-52页 |
| 4．2．6 学习规则 | 第52页 |
| 4．2．7 学习次数 | 第52-53页 |
| 4．2．8 终止条件 | 第53页 |
| 4．3 模型的改进 | 第53-55页 |
| 4．3．1 学习率自适应调整 | 第53-54页 |
| 4．3．2 附加动量法 | 第54页 |
| 4．3．3 初始权重的优化 | 第54-55页 |
| 4．4 遗传算法与人工神经网络的结合 | 第55-60页 |
| 4．4．1 遗传算法优化初始权重 | 第55-58页 |
| 4．4．2 遗传算法的参数选择 | 第58-59页 |
| 4．4．3 遗传算法的改进 | 第59-60页 |
| 4．5 网络预测 | 第60-61页 |
| 4．5．1 参数选择 | 第60页 |
| 4．5．2 预测结果 | 第60-61页 |
| 4．6 模型的应用问题 | 第61-62页 |
| 4．7 本章小结 | 第62-63页 |
| 第五章 基于神经网络模型的桩基特性分析 | 第63-73页 |
| 5．1 引言 | 第63页 |
| 5．2 基于BP神经网络模型的桩基特性分析 | 第63-72页 |
| 5．2．1 桩径影响分析 | 第63-64页 |
| 5．2．2 嵌岩深度影响分析 | 第64-66页 |
| 5．2．3 沉渣厚度影响分析 | 第66-68页 |
| 5．2．4 岩石饱和单轴抗压强度影响分析 | 第68-70页 |
| 5．2．5 岩体风化程度影响分析 | 第70-72页 |
| 5．3 本章小结 | 第72-73页 |
| 第六章 总结·展望 | 第73-75页 |
| 6．1 总结 | 第73-74页 |
| 6．2 展望 | 第74-75页 |
| 参考文献 | 第75-83页 |
