| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-18页 |
| ·选题背景及意义 | 第10-11页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11页 |
| ·研究现状 | 第11-15页 |
| ·混凝土徐变的随机性 | 第11-13页 |
| ·敏感度分析 | 第13-15页 |
| ·徐变模型参数的敏感性 | 第15页 |
| ·研究内容和研究方法 | 第15-18页 |
| ·研究内容 | 第15-16页 |
| ·研究方法 | 第16-18页 |
| 2 徐变影响因素及全局敏感性分析 | 第18-30页 |
| ·混凝土徐变的影响因素及其随机特性 | 第18-20页 |
| ·徐变的影响因素 | 第18-19页 |
| ·基于数理统计的不确定性分析方法 | 第19-20页 |
| ·全局敏感性分析方法 | 第20-24页 |
| ·傅里叶幅度灵敏度检验法 | 第21-24页 |
| ·神经网络 | 第24-30页 |
| ·前馈型网络 | 第25-26页 |
| ·BP神经网络 | 第26-30页 |
| 3 基于改进的傅里叶幅度灵敏度检验法的徐变模型参数敏感性分析 | 第30-54页 |
| ·基于徐变数据库的徐变参数不确定性分析 | 第30-34页 |
| ·徐变数据库选择及数据筛选 | 第30-32页 |
| ·人为选择因素影响的去除 | 第32-34页 |
| ·适用于相关输入参数的FAST方法 | 第34-37页 |
| ·搜寻曲线的选取及参数抽样 | 第35页 |
| ·考虑参数相关性的重排序 | 第35-37页 |
| ·徐变模型的参数敏感性 | 第37-54页 |
| ·RILEM B3模型 | 第38-41页 |
| ·CEB MC90-99模型 | 第41-42页 |
| ·GL 2000模型 | 第42-43页 |
| ·ACI209R-92模型 | 第43-45页 |
| ·各模型预测参数敏感性及变异性对比 | 第45-54页 |
| 4 基于方差的徐变模型参数敏感性分解 | 第54-64页 |
| ·徐变参数敏感性分解原理 | 第54-56页 |
| ·徐变参数独立贡献 | 第55-56页 |
| ·徐变参数相关贡献 | 第56页 |
| ·基于BP神经网络模型的非线性回归 | 第56-57页 |
| ·前馈BP网络模型的建立 | 第56-57页 |
| ·徐变参数的参数敏感度分解 | 第57-64页 |
| ·LEM B3模型 | 第57-59页 |
| ·CEB MC90-99模型 | 第59-60页 |
| ·GL 2000模型 | 第60-62页 |
| ·ACI09R-92模型 | 第62-64页 |
| 5 结论与展望 | 第64-66页 |
| ·结论 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 作者简历 | 第68-72页 |
| 学位论文数据集 | 第72页 |