| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 前言 | 第9-10页 |
| 1.2 风险分析理论的研究现状 | 第10-15页 |
| 1.2.1 国外风险分析的研究现状 | 第10-12页 |
| 1.2.2 国内风险分析的研究现状 | 第12-13页 |
| 1.2.3 风险分析在桥梁工程领域的研究现状 | 第13-15页 |
| 1.3 存在的问题 | 第15-16页 |
| 1.4 本文研究的内容和方法 | 第16-17页 |
| 第二章 连续梁施工风险分析理论与风险源识别 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 风险的基本概念 | 第17-18页 |
| 2.2.1 风险的定义与度量 | 第17-18页 |
| 2.2.2 风险的本质和基本属性 | 第18页 |
| 2.3 风险分析理论框架 | 第18-24页 |
| 2.3.1 基本原理和方法 | 第18-19页 |
| 2.3.2 施工风险分析的理论框架 | 第19-20页 |
| 2.3.3 施工风险识别 | 第20页 |
| 2.3.4 调查施工风险源 | 第20-21页 |
| 2.3.5 基于模糊层次分析法的桥梁工程风险因素识别 | 第21-24页 |
| 2.4 示例 | 第24-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 桥梁施工风险估计与评价 | 第29-55页 |
| 3.1 引言 | 第29页 |
| 3.2 施工风险概率估计 | 第29页 |
| 3.3 遗传算法 | 第29-34页 |
| 3.3.1 基本遗传算法的步骤 | 第30-32页 |
| 3.3.2 遗传算法存在的问题及其改进 | 第32-34页 |
| 3.3.3 遗传算法的优点及其应用 | 第34页 |
| 3.4 BP神经网络 | 第34-40页 |
| 3.4.1 BP神经网络模型 | 第35-39页 |
| 3.4.2 BP神经网络的优点及其应用 | 第39-40页 |
| 3.5 学习样本的设计研究 | 第40-41页 |
| 3.6 结构失效概率的求解 | 第41-50页 |
| 3.6.1 失效概率分析程序编制与验证 | 第42-50页 |
| 3.7 施工风险损失估计 | 第50-52页 |
| 3.8 风险评价标准 | 第52-54页 |
| 3.8.1 定性风险评价 | 第52-53页 |
| 3.8.2 定量风险评价 | 第53-54页 |
| 3.9 本章小结 | 第54-55页 |
| 第四章 工程示例 | 第55-74页 |
| 4.1 引言 | 第55页 |
| 4.2 工程概况 | 第55-58页 |
| 4.2.1 施工流程及阶段划分 | 第56-58页 |
| 4.3 有限元计算模型 | 第58页 |
| 4.4 龙门大桥施工期风险评估 | 第58-73页 |
| 4.4.1 风险识别 | 第58-66页 |
| 4.4.2 随机变量选取与极限状态方程 | 第66-67页 |
| 4.4.3 训练样本的产生 | 第67-68页 |
| 4.4.4 风险概率计算 | 第68-71页 |
| 4.4.5 风险损失估计 | 第71-72页 |
| 4.4.6 风险评价 | 第72页 |
| 4.4.7 风险应对措施 | 第72-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第五章 结论与展望 | 第74-76页 |
| 5.1 结论 | 第74页 |
| 5.2 进一步研究展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-79页 |
| 附录1 神经网络训练输入样本（50 组） | 第79-83页 |
| 攻读硕士期间发表的论文及参与的科研项目 | 第83页 |