| 第一章 混凝土碳化研究的现状与问题 | 第1-13页 |
| ·混凝土碳化研究的意义 | 第8页 |
| ·混凝土碳化研究现状 | 第8-11页 |
| ·混凝土碳化机理 | 第9页 |
| ·混凝土碳化的影响因素 | 第9-10页 |
| ·混凝土碳化深度的预测模型 | 第10-11页 |
| ·本文所做的工作 | 第11-13页 |
| 第二章 人工神经网络基础知识 | 第13-28页 |
| ·自组织竞争人工神经网络 | 第14-22页 |
| ·Outstar学习规则 | 第14-15页 |
| ·自组织特征映射网络的结构 | 第15-17页 |
| ·自组织映射网络的学习及工作规则 | 第17-19页 |
| ·自组织映射网络程序实现 | 第19-22页 |
| ·BP人工神经网络 | 第22-28页 |
| ·基于BP算法的多层前馈网络模型 | 第22-23页 |
| ·BP网络学习公式推导 | 第23-24页 |
| ·BP网络算法推导 | 第24-26页 |
| ·BP算法的程序实现 | 第26-28页 |
| 第三章 混凝土碳化的影响因素选取 | 第28-33页 |
| ·影响碳化速度的因素 | 第28-30页 |
| ·混凝土品质的影响 | 第28-29页 |
| ·环境因素对碳化速度的影响 | 第29-30页 |
| ·碳化影响因素的特点 | 第30-31页 |
| ·碳化影响因素的选取 | 第31-33页 |
| 第四章 统计方法预测碳化最大深度 | 第33-41页 |
| ·碳化最大深度 | 第33-34页 |
| ·统计法预测碳化最大深度 | 第34-39页 |
| ·效果检验 | 第39页 |
| ·结果分析 | 第39-41页 |
| 第五章 基于自组织神经网络的碳化因素分类及在预测碳化最大深度中的应用 | 第41-49页 |
| ·分类的目的 | 第41页 |
| ·网络的选取 | 第41-42页 |
| ·网络训练 | 第42-45页 |
| ·分类后样本的统计规律 | 第45-46页 |
| ·网络回想 | 第46-48页 |
| ·结果分析 | 第48-49页 |
| 第六章 碳化预测的BP神经网络方法 | 第49-53页 |
| ·预测的目的 | 第49页 |
| ·网络训练 | 第49-52页 |
| ·结果分析 | 第52-53页 |
| 第七章 结论与展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56页 |