辽东湾北部细粒土抗剪强度指标的BP神经网络预测
| 摘要 | 第1-5页 |
| Summary | 第5-9页 |
| 1. 前言 | 第9-13页 |
| ·国内外研究现状 | 第9-12页 |
| ·选题依据和研究意义 | 第12-13页 |
| 2. 研究区地质地貌概况 | 第13-18页 |
| ·区域地质构造特征 | 第13-16页 |
| ·地质发育史 | 第13-14页 |
| ·主要断裂及其活动性 | 第14-15页 |
| ·区域地震活动史 | 第15-16页 |
| ·区域稳定性评价 | 第16页 |
| ·地形地貌 | 第16-18页 |
| 3 沉积物特征 | 第18-30页 |
| ·晚更新世以来的沉积环境变化 | 第18-19页 |
| ·表层沉积物特征 | 第19-20页 |
| ·浅层沉积物声学特征 | 第20-24页 |
| ·声学反射界面划分原则 | 第20-21页 |
| ·声学地层反射界面的确定 | 第21-24页 |
| ·浅地层沉积规律 | 第24页 |
| ·沉积物物理力学性质 | 第24-28页 |
| ·本区工程中抗剪强度指标确定方法 | 第24-25页 |
| ·沉积物物理力学性质概述 | 第25-28页 |
| ·抗剪强度不均导致的灾害因素 | 第28-30页 |
| ·埋藏古河道 | 第28-29页 |
| ·软弱地层 | 第29页 |
| ·浅层气 | 第29-30页 |
| 4 预测指标的选择与优化 | 第30-35页 |
| ·预测指标的选择 | 第30-31页 |
| ·选择原则 | 第30页 |
| ·不同指标的比较与选择 | 第30-31页 |
| ·预测指标的优化 | 第31-35页 |
| ·直接剪切试验原理 | 第32页 |
| ·直剪试验的缺点 | 第32-33页 |
| ·直剪试验的改进 | 第33-35页 |
| 5 预测指标的影响因素 | 第35-40页 |
| ·影响内聚力的因素 | 第35-37页 |
| ·物性指标的影响机制 | 第35-36页 |
| ·内聚力与物性指标相关性分析 | 第36-37页 |
| ·影响内摩擦角的因素 | 第37-38页 |
| ·预测模型输入神经元的确定 | 第38-40页 |
| 6 BP 人工神经网络 | 第40-49页 |
| ·人工神经网络 | 第40页 |
| ·人工神经网络概念 | 第40页 |
| ·人工神经网络的发展历史 | 第40页 |
| ·BP 人工神经网络 | 第40-48页 |
| ·BP 学习算法及BP 网络特点 | 第40-41页 |
| ·BP 网络结构 | 第41-42页 |
| ·BP 网络学习规则 | 第42-45页 |
| ·函数 | 第45-46页 |
| ·隐层的设计 | 第46-47页 |
| ·初始值的选取 | 第47页 |
| ·BP 网络的不足和改进 | 第47-48页 |
| ·预测方法的可行性分析 | 第48-49页 |
| 7 BP 网络预测的实施与评价 | 第49-59页 |
| ·样本选取 | 第49页 |
| ·样本数据归一化 | 第49-50页 |
| ·BP 网络结构的建立 | 第50-54页 |
| ·输入层和输出层 | 第50页 |
| ·传递函数确定 | 第50页 |
| ·隐层神经元个数的确定 | 第50-54页 |
| ·网络的训练 | 第54-55页 |
| ·预测结果分析与评价 | 第55-59页 |
| 8 结论 | 第59-61页 |
| 附表1 学习样本原数据 | 第61-63页 |
| 附表2 测试样本原数据与预测数据 | 第63-64页 |
| 附表3 学习样本数据（归一化后） | 第64-66页 |
| 附表4 测试样本数据及预测数据（归一化后） | 第66-67页 |
| 参考文献 | 第67-70页 |
| 发表文章目录 | 第70-71页 |
| 致谢 | 第71页 |
