| 第一章 绪论 | 第1-20页 |
| ·概述 | 第11-12页 |
| ·泥沙学科性质及发展状况简述 | 第12-14页 |
| ·推移质输移研究现状简述 | 第14-16页 |
| ·本文研究的主要内容 | 第16-18页 |
| ·本文内容安排 | 第18-20页 |
| 第二章 泥沙起动规律探讨 | 第20-49页 |
| ·概述 | 第20页 |
| ·泥沙起动现象描述 | 第20-21页 |
| ·泥沙起动的物理机理描述 | 第21-33页 |
| ·从颗粒形态考虑 | 第24-25页 |
| ·从颗粒在床面位置考虑 | 第25-28页 |
| ·从排列方式和紧密程度考虑 | 第28-29页 |
| ·床沙的组成的非均匀性而产生的荫暴作用 | 第29-30页 |
| ·粗化与细化作用对泥沙起动的影响 | 第30-32页 |
| ·水流条件对泥沙起动的影响 | 第32-33页 |
| ·泥沙起动的判别标准 | 第33-38页 |
| ·定性标准 | 第34-35页 |
| ·定量标准 | 第35-38页 |
| ·泥沙起动的条件 | 第38-48页 |
| ·均匀沙起动条件 | 第38-40页 |
| ·非均匀沙起动条件 | 第40-48页 |
| ·泥沙起动的随机模型 | 第48页 |
| ·以起动粒径来表示泥沙起动条件 | 第48-49页 |
| 第三章 人工神经网络基本理论回顾及算法研究 | 第49-64页 |
| ·问题的提出 | 第49页 |
| ·人工神经网络理论历史沿革概述 | 第49-50页 |
| ·生物神经元模型 | 第50-52页 |
| ·人工神经网络的构成 | 第52-55页 |
| ·人工神经元结构模型 | 第52-53页 |
| ·人工神经元功能函数 | 第53-54页 |
| ·人工神经网络连接的基本形式 | 第54-55页 |
| ·人工神经网络的学习算法概述 | 第55-64页 |
| ·Delta学习算法 | 第56-57页 |
| ·Hebb学习算法 | 第57-58页 |
| ·经典BP学习算法 | 第58-60页 |
| ·BP学习算法的改进研究 | 第60-64页 |
| 第四章 改进BP算法建模及其ANN生成器的开发 | 第64-73页 |
| ·改进BP算法建模 | 第64-65页 |
| ·输入、输出层节点个数的选定 | 第65-66页 |
| ·隐含层层数和层内节点个数的选定 | 第66页 |
| ·数据样本的预处理 | 第66-67页 |
| ·ANN生成器的开发 | 第67-73页 |
| 第五章 改进BP算法在水槽平衡输沙试验中的应用研究 | 第73-94页 |
| ·推移质最大起动粒径研究的意义及现状 | 第73-75页 |
| ·推移质输沙率研究的意义及现状 | 第75-78页 |
| ·传统回归模型的拟合能力 | 第78页 |
| ·神经网络的多元回归拟合能力 | 第78-79页 |
| ·改进BP算法预测推移质最大起动粒径 | 第79-90页 |
| ·技术线路说明 | 第79页 |
| ·张绪进水槽试验说明 | 第79-80页 |
| ·刘兴年水槽试验说明 | 第80页 |
| ·数据分析及ANN Generator建模 | 第80-81页 |
| ·ANN模拟结果及其和实测值、传统回归模型计算的比较 | 第81-90页 |
| ·改进BP算法预测推移质输沙率 | 第90-93页 |
| ·技术线路说明 | 第90-91页 |
| ·数据分析及ANN Generator建模 | 第91页 |
| ·ANN模拟结果及其和实测值、传统回归模型计算的比较 | 第91-93页 |
| ·小结 | 第93-94页 |
| 第六章 结论 | 第94-96页 |
| 参考文献 | 第96-101页 |
| 作者在读期间科研成果简介 | 第101-102页 |
| 声明 | 第102-103页 |
| 致谢 | 第103-104页 |
| 附表1: 张绪进水槽试验实测数据(最大起动粒径) | 第104-105页 |
| 附表2: 刘兴年水槽试验实测数据(最大起动粒径) | 第105-106页 |
| 附表3: 刘兴年水槽试验整理后数据(最大起动粒径) | 第106-107页 |
| 附表4: 张绪进水槽试验整理后数据(推移质输沙率) | 第107页 |
