| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及研究意义 | 第10-13页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 橡胶混凝土冻融循环后耐久性研究现状 | 第13-14页 |
| 1.3 人工神经网络在混凝土试验研究中的应用 | 第14-15页 |
| 1.3.1 人工神经网络在混凝土强度预测中的应用 | 第14页 |
| 1.3.2 神经网络在混凝土钢筋锈蚀量预测中的应用 | 第14-15页 |
| 1.3.3 人工神经网络在橡胶集料混凝土研究中的应用 | 第15页 |
| 1.4 主要研究内容 | 第15-16页 |
| 第2章 试验研究与数据采集 | 第16-32页 |
| 2.1 引言 | 第16页 |
| 2.2 试验设计 | 第16-18页 |
| 2.2.1 试验试件规格和数量 | 第16-17页 |
| 2.2.2 试验配合比 | 第17-18页 |
| 2.3 试件制作及试验过程 | 第18-22页 |
| 2.3.1 试件制作 | 第18页 |
| 2.3.2 试验设备 | 第18-20页 |
| 2.3.3 试验流程 | 第20-22页 |
| 2.4 试验结果汇总 | 第22-32页 |
| 第3章 人工神经网络模型的研究 | 第32-44页 |
| 3.1 引言 | 第32页 |
| 3.2 人工神经网络简介 | 第32-34页 |
| 3.3 神经网络的特点和应用 | 第34-36页 |
| 3.3.1 神经网络的特点 | 第34-35页 |
| 3.3.2 神经网络的分类 | 第35-36页 |
| 3.4 人类神经网络的发展历史 | 第36-38页 |
| 3.5 人工神经网络的分类 | 第38-39页 |
| 3.6 BP神经网络 | 第39-42页 |
| 3.6.1 BP神经网络的结构 | 第39-40页 |
| 3.6.2 BP神经网络的结构特点 | 第40页 |
| 3.6.3 设计BP网络的方法 | 第40-42页 |
| 3.7 神经网络预测模型 | 第42-43页 |
| 3.8 本章小结 | 第43-44页 |
| 第4章 BP网络模型预测橡胶混凝土抗冻性能 | 第44-53页 |
| 4.1 引言 | 第44页 |
| 4.2 神经网络模型构建 | 第44-46页 |
| 4.3 数据归一化处理 | 第46-47页 |
| 4.4 设置参数 | 第47页 |
| 4.5 样本训练和预测结果 | 第47-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 模型研究橡胶掺量与抗冻性能的关系 | 第53-64页 |
| 5.1 引言 | 第53页 |
| 5.2 预测所需数据的选择和获得 | 第53-54页 |
| 5.3 利用BP网络预测模型预测立方体抗压强度值 | 第54-58页 |
| 5.3.1 预测立方体抗压强度值所需数据的补充 | 第54-55页 |
| 5.3.2 利用BP网络相对抗压强度预测模型预测立方体相对抗压强度 | 第55-56页 |
| 5.3.3 计算立方体抗压强度预测值 | 第56-58页 |
| 5.4 利用BP网络预测模型预测立方体劈裂抗拉强度值 | 第58-61页 |
| 5.4.1 预测立方体劈裂抗拉强度值所需数据的补充 | 第58-59页 |
| 5.4.2 利用BP网络相对劈裂抗拉强度预测模型预测立方体相对劈裂抗拉强度 | 第59页 |
| 5.4.3 计算立方体劈裂抗拉强度预测值 | 第59-61页 |
| 5.5 相对动弹性模量的预测 | 第61-63页 |
| 5.6 本章小结 | 第63-64页 |
| 第6章 结论与展望 | 第64-67页 |
| 6.1 结论 | 第64-65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 在学期间研究成果 | 第70-71页 |
| 致谢 | 第71-72页 |
