基于神经网络的结构风荷载时程模拟研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·引言 | 第8-9页 |
| ·结构风荷载研究现状 | 第9-11页 |
| ·结构风荷载研究的方法 | 第9-10页 |
| ·风荷载模拟研究的意义 | 第10-11页 |
| ·人工神经网络简介 | 第11-13页 |
| ·人工神经网络的特点 | 第11-12页 |
| ·人工神经网络的主要研究方向 | 第12页 |
| ·人工神经网络的主要模型 | 第12-13页 |
| ·本文的研究目的 | 第13页 |
| ·本文的主要工作 | 第13-15页 |
| 2 BP神经网络及其Matlab语言实现 | 第15-28页 |
| ·BP神经网络的基本原理 | 第15-24页 |
| ·BP神经网络概述 | 第15页 |
| ·BP网络神经元模型 | 第15-16页 |
| ·BP网络学习标准算法 | 第16-20页 |
| ·BP算法的实现步骤 | 第20-21页 |
| ·BP算法的改进 | 第21-24页 |
| ·BP网络模型的Matlab实现 | 第24-27页 |
| ·BP网络的初始化 | 第25页 |
| ·BP网络的创建 | 第25-26页 |
| ·BP网络的训练 | 第26页 |
| ·BP网络的仿真 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 风荷载数值模拟方法 | 第28-39页 |
| ·风的基本特性 | 第28-31页 |
| ·功率谱密度函数 | 第28-30页 |
| ·风速与风压 | 第30-31页 |
| ·风荷载数值模拟技术的发展 | 第31-32页 |
| ·平稳高斯随机过程 | 第31页 |
| ·非平稳高斯随机过程 | 第31-32页 |
| ·非高斯随机过程 | 第32页 |
| ·其它模拟技术 | 第32页 |
| ·线性滤波器法 | 第32-36页 |
| ·自回归(AR)法模型 | 第33页 |
| ·AR模型模拟风速时程的过程 | 第33-36页 |
| ·谐波叠加法 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于BP网络的风荷载模拟模型的构建 | 第39-54页 |
| ·神经网络模型的构建 | 第39-47页 |
| ·训练样本集的准备 | 第39-42页 |
| ·初始权值的设计 | 第42-43页 |
| ·BP网络结构的设计 | 第43-44页 |
| ·风速时程模拟模型的设计 | 第44-47页 |
| ·模型的Matlab实现 | 第47-50页 |
| ·网络的生成及初始化 | 第47页 |
| ·网络参数的设置 | 第47-48页 |
| ·网络训练及测试 | 第48-50页 |
| ·几种训练方法的效果对比 | 第50-53页 |
| ·有动量的梯度下降算法 | 第50-51页 |
| ·自适应调整学习速率的梯度下降算法 | 第51-52页 |
| ·弹性梯度下降算法 | 第52页 |
| ·拟牛顿算法 | 第52-53页 |
| ·几种算法比较结果 | 第53页 |
| ·本章小结 | 第53-54页 |
| 5 算例分析 | 第54-61页 |
| ·空间三点风速时程模拟 | 第54-57页 |
| ·空间五点风速时程模拟 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| ·本文主要研究工作及结论 | 第61-62页 |
| ·存在的问题和后续研究工作展望 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间发表论文情况 | 第66页 |
