神经网络优化模型在大坝变形预报中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究的背景和意义 | 第9-11页 |
| ·大坝监测模型国内外研究现状 | 第11-12页 |
| ·本文研究的主要工作与结构安排 | 第12-14页 |
| ·本文主要研究的内容 | 第12-13页 |
| ·本文结构 | 第13-14页 |
| 第2章 人工神经网络理论 | 第14-25页 |
| ·人工神经网络概述 | 第14-15页 |
| ·人工神经网络基本原理 | 第15-19页 |
| ·人工神经元的数学描述 | 第15-18页 |
| ·人工神经网络结构 | 第18页 |
| ·人工神经网络学习方式 | 第18-19页 |
| ·人工神经网络学习算法 | 第19页 |
| ·BP神经网络 | 第19-24页 |
| ·BP神经网络算法及实现 | 第20-22页 |
| ·BP神经网络的不足及改进 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 传统大坝预报模型和BP神经网络优化模型 | 第25-46页 |
| ·传统大坝监测数学模拟方法 | 第25-26页 |
| ·统计模型 | 第25页 |
| ·确定性模型 | 第25-26页 |
| ·混合模型 | 第26页 |
| ·遗传算法的基本原理 | 第26-28页 |
| ·遗传算法基本概念 | 第26-27页 |
| ·遗传算法的实现 | 第27-28页 |
| ·基于遗传算法的BP神经网络 | 第28-32页 |
| ·遗传算法优化BP神经网络模型 | 第28-30页 |
| ·遗传算法优化BP神经网络可行性分析 | 第30-32页 |
| ·PSO算法基本理论 | 第32-36页 |
| ·PSO算法概述 | 第32-33页 |
| ·PSO算法的数学描述 | 第33-35页 |
| ·PSO算法的步骤流程 | 第35-36页 |
| ·PSO算法的几种改进模型 | 第36-40页 |
| ·PSO算法存在的局限性 | 第36-37页 |
| ·PSO算法的几种基本改进方法 | 第37-39页 |
| ·邻域非线性动态调整策略的粒子群算法 | 第39-40页 |
| ·基于改进PSO算法优的BP神经网络 | 第40-45页 |
| ·改进的PSO算法优化BP神经网络模型 | 第40-42页 |
| ·改进的PSO算法优化BP神经网络模型可行性分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 神经网络优化算法在大坝变形预报中的应用 | 第46-54页 |
| ·工程概况 | 第46-47页 |
| ·大坝变形影响因子的选择及预处理 | 第47-50页 |
| ·大坝变形的影响因子 | 第47-48页 |
| ·大坝变形因子的筛选 | 第48-49页 |
| ·大坝变形因子的预处理 | 第49-50页 |
| ·IPSO_BP模型在大坝变形预报中的应用 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 大坝安全监测模型的分析与评价 | 第54-60页 |
| ·BP神经网络与传统的大坝变形监测模型的比较 | 第54页 |
| ·神经网络优化模型的比较 | 第54-55页 |
| ·各种模型预报结果分析 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 结论和展望 | 第60-62页 |
| ·主要工作和结论 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 个人简历、申请学位期间的研究成果及发表学术论文 | 第66-67页 |
| 致谢 | 第67页 |
