基于BP神经网络的高填石路堤本构模型参数识别及应用研究
摘要 | 第1-4页 |
ABSTRACT | 第4-8页 |
主要符号说明 | 第8-9页 |
第一章 绪论 | 第9-15页 |
·研究的背景、目的及意义 | 第9-10页 |
·基于神经网络智能反分析的研究历史与现状 | 第10-11页 |
·模型参数的识别 | 第11-13页 |
·参数识别的基本原则 | 第11页 |
·本构模型参数识别的主要方法 | 第11-13页 |
·本文的主要研究工作和内容 | 第13-15页 |
·研究内容 | 第13页 |
·研究路线 | 第13-15页 |
第二章 高填石路堤非线性本构模型 | 第15-24页 |
·概述 | 第15页 |
·非线性弹性模型 | 第15-21页 |
·邓肯-张(E-B)模型 | 第15-19页 |
·弹塑性模型 | 第19-21页 |
·本构模型比较 | 第21页 |
·非线性问题的求解方法 | 第21-23页 |
·增量初应力法 | 第21-22页 |
·增量初应变法 | 第22-23页 |
·本章小结 | 第23-24页 |
第三章 高填石路堤蠕变本构模型研究 | 第24-35页 |
·概述 | 第24页 |
·填石料的蠕变变形特性 | 第24-25页 |
·元件本构模型 | 第25-32页 |
·基本元件 | 第25-27页 |
·组合模型 | 第27-32页 |
·高填石路堤三参数蠕变本构模型 | 第32-34页 |
·蠕变经验本构关系 | 第32-33页 |
·三参数蠕变本构模型的建立 | 第33-34页 |
·工后蠕变沉降的计算 | 第34页 |
·本章小结 | 第34-35页 |
第四章 高填石路堤沉降监测分析 | 第35-46页 |
·工程概况 | 第35页 |
·高填石路堤沉降监测与成果分析 | 第35-45页 |
·监测目的 | 第35页 |
·监测方法 | 第35-39页 |
·成果及分析 | 第39-45页 |
·本章小结 | 第45-46页 |
第五章 高填石路堤有限元数值模拟分析 | 第46-57页 |
·有限元法简介 | 第46-48页 |
·有限元法概述 | 第46页 |
·有限元法分析过程 | 第46-48页 |
·路堤有限元分析模型建立 | 第48-49页 |
·ANSYS 简介 | 第48页 |
·计算模型 | 第48-49页 |
·路堤计算及分析 | 第49-56页 |
·填石体变形机理及分层填筑加载原理 | 第49-50页 |
·施工过程的有限元模拟 | 第50-52页 |
·路堤施工的位移及应力分析 | 第52-56页 |
·本章小结 | 第56-57页 |
第六章 神经网络反分析模型的建立及应用 | 第57-80页 |
·人工神经网络简介 | 第57-61页 |
·人工神经元模型 | 第57-58页 |
·人工神经网络的分类 | 第58-59页 |
·神经网络的学习方式 | 第59-60页 |
·神经网络的学习规则 | 第60-61页 |
·BP 神经网络 | 第61-67页 |
·BP 网络的基本思想 | 第61-63页 |
·BP 算法基本步骤 | 第63-65页 |
·BP 算法存在的问题及改进 | 第65-67页 |
·BP 神经网络反分析的实现 | 第67-70页 |
·BP 神经网络反分析的基本步骤 | 第67-68页 |
·BP 神经网络结构的确定 | 第68-70页 |
·弹塑性模型参数的智能识别 | 第70-76页 |
·弹塑性模型参数正交模拟计算 | 第70-72页 |
·网络的设计参数及训练 | 第72-75页 |
·反演结果分析 | 第75-76页 |
·E-B 模型参数的智能识别 | 第76-77页 |
·E-B 模型参数正交模拟计算 | 第76页 |
·网络的设计参数及训练 | 第76页 |
·反演结果分析 | 第76-77页 |
·蠕变模型参数的智能识别 | 第77-79页 |
·蠕变模型参数正交模拟计算 | 第77-78页 |
·网络的设计参数及训练 | 第78页 |
·反演结果分析 | 第78-79页 |
·本章小结 | 第79-80页 |
第七章 结论与展望 | 第80-81页 |
·主要工作回顾 | 第80页 |
·本课题今后需进一步研究的地方 | 第80-81页 |
参考文献 | 第81-84页 |
附录 | 第84-86页 |
个人简历 在读期间发表的学术论文 | 第86-87页 |
致谢 | 第87页 |