| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-32页 |
| ·概述 | 第9页 |
| ·人工神经网络简介 | 第9-22页 |
| ·BP网络 | 第9-12页 |
| ·Hopfield网络 | 第12-18页 |
| ·双向联想记忆网络(BAM网络) | 第18-20页 |
| ·Hamming网络 | 第20-21页 |
| ·自组织特征映射神经网络(Kohonen网络) | 第21页 |
| ·径向基函数神经网络(RBF) | 第21-22页 |
| ·遗传算法简介 | 第22-31页 |
| ·遗传算法操作步骤 | 第22-23页 |
| ·遗传算法的编码方法 | 第23-24页 |
| ·适应度函数 | 第24-26页 |
| ·选择算子 | 第26-28页 |
| ·交叉算子 | 第28-29页 |
| ·变异算子 | 第29-30页 |
| ·约束条件的处理方法 | 第30-31页 |
| ·研究的目的和意义 | 第31-32页 |
| 第二章 人工神经网络 | 第32-74页 |
| ·岩土与结构材料参数选取及分类的神经网络分析方法 | 第32-40页 |
| ·人工神经网络进行材料参数选取 | 第32-35页 |
| ·岩土与结构材料分类的判别 | 第35-38页 |
| ·砂土液化势的评价 | 第38-40页 |
| ·基坑工程中的神经网络分析方法 | 第40-46页 |
| ·应用综述 | 第40-43页 |
| ·应用实例 | 第43-46页 |
| ·桩基工程中的神经网络分析方法 | 第46-56页 |
| ·应用综述 | 第46-52页 |
| ·应用实例 | 第52-56页 |
| ·工程稳定性神经网络分析方法 | 第56-64页 |
| ·地表沉陷的预测 | 第56-59页 |
| ·神经网络边坡稳定性分析 | 第59-61页 |
| ·神经网络地下工程稳定性分析 | 第61-64页 |
| ·优化设计中的神经网络方法 | 第64-69页 |
| ·锚杆支护的设计 | 第64-66页 |
| ·在结构优化设计中的应用 | 第66-69页 |
| ·工程可靠性神经网络分析方法 | 第69-74页 |
| ·应用综述 | 第69-70页 |
| ·应用实例 | 第70-74页 |
| 第三章 遗传算法 | 第74-103页 |
| ·遗传算法在反分析、材料参数选取及本构模型识别中的应用 | 第74-83页 |
| ·应用综述 | 第74-76页 |
| ·应用实例 | 第76-83页 |
| ·遗传算法在结构优化设计中的应用 | 第83-90页 |
| ·应用综述 | 第83-84页 |
| ·应用实例 | 第84-90页 |
| ·遗传算法在地基工程中的应用 | 第90-93页 |
| ·应用综述 | 第90页 |
| ·应用实例 | 第90-93页 |
| ·遗传算法在评价边坡稳定性中的应用 | 第93-96页 |
| ·应用综述 | 第93-94页 |
| ·应用实例 | 第94-96页 |
| ·遗传算法在可靠度分析中的应用 | 第96-100页 |
| ·应用综述 | 第96-97页 |
| ·应用实例 | 第97-100页 |
| ·遗传算法在基础工程中的应用 | 第100-103页 |
| ·应用综述 | 第100页 |
| ·应用实例 | 第100-103页 |
| 第四章 神经网络与遗传算法混合 | 第103-120页 |
| ·应用综述 | 第103-105页 |
| ·应用实例 | 第105-120页 |
| ·利用遗传算法训练已知结构的网络,优化网络的连接权 | 第105-112页 |
| ·利用遗传算法找出网络的规模、结构和学习参数 | 第112-117页 |
| ·遗传算法与神经网络相互合作求解问题 | 第117-120页 |
| 第五章 讨论 | 第120-135页 |
| ·神经网络 | 第120-128页 |
| ·土木工程中常用ANN模型 | 第120页 |
| ·各种模型特点 | 第120-121页 |
| ·应用ANN解决实际问题的要点 | 第121-122页 |
| ·BP网络 | 第122-127页 |
| ·目前ANN存在的问题 | 第127-128页 |
| ·ANN的适用性 | 第128页 |
| ·遗传算法 | 第128-131页 |
| ·遗传算法的优点 | 第128-129页 |
| ·遗传算法存在的问题 | 第129页 |
| ·遗传算法的改进 | 第129-131页 |
| ·遗传算法的适用性 | 第131页 |
| ·神经网络与遗传混合 | 第131-135页 |
| ·遗传算法和神经网络结合的必要性 | 第131-132页 |
| ·遗传进化神经网络的结构框架 | 第132页 |
| ·借助遗传算法优化神经网络的连接权 | 第132-133页 |
| ·遗传算法优化网络结构 | 第133页 |
| ·混合算法的应用前景 | 第133页 |
| ·混合算法存在的问题 | 第133-135页 |
| 第六章 结论与展望 | 第135-136页 |
| ·结论 | 第135页 |
| ·展望 | 第135-136页 |
| 参考文献 | 第136-145页 |
| 致谢 | 第145-146页 |
| 攻读学位期间发表论文情况 | 第146页 |