| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的目的和意义 | 第10-11页 |
| 1.2 高速铁路路基沉降预测研究现状及存在问题 | 第11-14页 |
| 1.2.1 铁路路基沉降预测的国内外研究现状 | 第11-12页 |
| 1.2.2 GEP研究现状与发展趋势 | 第12-13页 |
| 1.2.3 存在的问题 | 第13-14页 |
| 1.3 主要研究内容 | 第14-16页 |
| 第2章 路基沉降的理论分析及常用预测模型 | 第16-24页 |
| 2.1 路基沉降概述 | 第16-18页 |
| 2.1.1 路基沉降机理 | 第17页 |
| 2.1.2 路基沉降组成 | 第17-18页 |
| 2.2 常用的路基沉降预测模型 | 第18-23页 |
| 2.2.1 回归分析模型 | 第18-19页 |
| 2.2.2 时间序列模型 | 第19-21页 |
| 2.2.3 灰度模型 | 第21-22页 |
| 2.2.4 BP神经网络模型 | 第22页 |
| 2.2.5 预测模型对比分析 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 GEP算法原理与改进 | 第24-38页 |
| 3.1 GEP算法基本原理 | 第24-28页 |
| 3.1.1 基因与染色体 | 第25-26页 |
| 3.1.2 适应度函数选取 | 第26页 |
| 3.1.3 常数处理设计 | 第26-28页 |
| 3.1.4 基本的遗传操作 | 第28页 |
| 3.2 GEP算法的优势与局限性分析 | 第28-30页 |
| 3.3 云适应GEP算法 | 第30-36页 |
| 3.3.1 GEP算法的自适应方法 | 第30-31页 |
| 3.3.2 云模型理论 | 第31-32页 |
| 3.3.3 云适应GEP算法 | 第32-36页 |
| 3.4 云适应GEP算法与传统GEP算法对比 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 路基沉降预测模型实现与分析 | 第38-57页 |
| 4.1 预测模型研究 | 第38-40页 |
| 4.1.1 预测需求分析 | 第38页 |
| 4.1.2 初始数据分析 | 第38-40页 |
| 4.2 预测模型构建及分析 | 第40-53页 |
| 4.2.1 BP神经网络模型的沉降预测及精度分析 | 第40-43页 |
| 4.2.2 GM(1,1)预测模型的沉降预测及精度分析 | 第43-48页 |
| 4.2.3 传统GEP模型的沉降预测及结果分析 | 第48-50页 |
| 4.2.4 云适应GEP模型的沉降预测及结果分析 | 第50-53页 |
| 4.3 预测模型的实验对比分析 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |