致谢 | 第1-6页 |
摘要 | 第6-7页 |
Abstract | 第7-11页 |
1 绪论 | 第11-16页 |
·论文研究的背景及意义 | 第11-12页 |
·国内、外研究现状 | 第12-14页 |
·国外研究现状 | 第12-13页 |
·国内研究现状 | 第13-14页 |
·研究的内容及技术路线 | 第14-16页 |
2. 神经网络概述 | 第16-23页 |
·神经网络工作原理 | 第16-20页 |
·生物神经元模型 | 第16-18页 |
·神经网络模型 | 第18-20页 |
·神经网络的训练 | 第20-21页 |
·神经网络算法的 MATLAB 实现 | 第21-22页 |
·MATLAB 概述 | 第21-22页 |
·MATLAB 环境下神经网络算法的实现 | 第22页 |
·本章小结 | 第22-23页 |
3 软岩巷道围岩变形规律分析及位移量监测 | 第23-36页 |
·软岩巷道围岩变形机理分析 | 第23-30页 |
·软岩巷道围岩变形的弹、塑性变形 | 第23-27页 |
·软岩巷道围岩的流变性 | 第27-29页 |
·结构面的变形特性 | 第29-30页 |
·软岩巷道围岩的变形规律 | 第30-32页 |
·软岩巷道围岩位移的现场监测方案设计 | 第32-35页 |
·软岩巷道位移监测站点的布置 | 第32页 |
·表面位移的监测方法 | 第32-34页 |
·位移监测数据的处理分析 | 第34-35页 |
·本章小节 | 第35-36页 |
4 基于神经网络的软岩巷道位移的时序预测模型 | 第36-52页 |
·软岩巷道围岩位移的时序预测方法 | 第36-37页 |
·BP 神经网络建模 | 第37-44页 |
·BP 神经网络概述 | 第37页 |
·BP 神经网络的结构模型 | 第37-40页 |
·BP 神经网络的 MATLAB 实现 | 第40页 |
·遗传算法对 BP 神经网络的优化 | 第40-43页 |
·遗传算法优化 BP 神经网络的局限性 | 第43页 |
·遗传算法改进 BP 神经网络的 MATLAB 实现 | 第43-44页 |
·RBF 神经网络建模 | 第44-47页 |
·RBF 神经网络概述 | 第44页 |
·RBF 神经网络的结构模型 | 第44-45页 |
·RBF 神经网络的学习算法 | 第45-47页 |
·RBF 神经网络的 MATLAB 实现 | 第47页 |
·GRNN 神经网络建模 | 第47-51页 |
·GRNN 神经网络概述 | 第47-48页 |
·GRNN 神经网络的结构 | 第48页 |
·GRNN 神经网络的学习算法 | 第48-50页 |
·GRNN 神经网络的 MATLAB 实现 | 第50-51页 |
·本章小结 | 第51-52页 |
5 工程实例分析 | 第52-63页 |
·工程简介 | 第52-54页 |
·地质条件 | 第52页 |
·软岩巷道的支护方式 | 第52-53页 |
·软岩巷道的支护参数 | 第53-54页 |
·巷道位移监测点的布置设计 | 第54页 |
·神经网络时序预测模型在工程中的应用 | 第54-62页 |
·巷道围岩位移量的循环时序处理 | 第54-56页 |
·软岩巷道围岩位移时序预测结果分析 | 第56-62页 |
·本章小结 | 第62-63页 |
6 结论与展望 | 第63-65页 |
·结论 | 第63页 |
·展望 | 第63-65页 |
参考文献 | 第65-67页 |
附录 A 监测位移数据循环时序处理程序 | 第67-68页 |
附录 B 三种神经网络的训练程序 | 第68-72页 |
附录 C 三种神经网络的预测程序 | 第72-76页 |
作者简历 | 第76-78页 |
学位论文数据集 | 第78-79页 |