基于改进支持向量机的深基坑变形预测模型研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·选题背景、目的及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·深基坑变形预测研究现状 | 第10-11页 |
| ·支持向量机研究现状 | 第11-13页 |
| ·研究内容及章节结构 | 第13-15页 |
| ·研究内容 | 第13-14页 |
| ·章节结构 | 第14-15页 |
| 第二章 深基坑变形预测相关理论及数据构造 | 第15-21页 |
| ·深基坑施工过程中的变形 | 第15-16页 |
| ·深基坑施工过程变形现象 | 第15-16页 |
| ·影响深基坑变形的因素分析 | 第16页 |
| ·深基坑变形预测对象 | 第16页 |
| ·常用预测方法存在的问题 | 第16-17页 |
| ·神经网络模型 | 第17-18页 |
| ·样本数据构造方法 | 第18-21页 |
| ·嵌入维数的选取 | 第19-20页 |
| ·延迟时间的选取 | 第20-21页 |
| 第三章 支持向量机理论基础及参数影响分析 | 第21-34页 |
| ·统计学习理论基础 | 第21-23页 |
| ·机器学习的基本问题 | 第21-22页 |
| ·VC 维 | 第22页 |
| ·推广性的界 | 第22-23页 |
| ·结构风险最小化 | 第23页 |
| ·支持向量机算法 | 第23-30页 |
| ·基于分类的支持向量机 | 第24-25页 |
| ·基于回归的支持向量机 | 第25-30页 |
| ·支持向量机的训练算法 | 第30页 |
| ·支持向量机与神经网络的对比分析 | 第30-31页 |
| ·支持向量机应用于深基坑变形预测的适用性分析 | 第31-32页 |
| ·支持向量机模型参数影响分析 | 第32-34页 |
| 第四章 改进支持向量机模型的设计 | 第34-42页 |
| ·PSO 算法的基本原理 | 第34-36页 |
| ·PSO 算法 | 第34-35页 |
| ·PSO 与 GA 的异同 | 第35-36页 |
| ·PSO 优化支持向量机参数选取的要素 | 第36-37页 |
| ·种群初始化 | 第36页 |
| ·适应度函数 | 第36页 |
| ·粒子更新 | 第36-37页 |
| ·终止条件 | 第37页 |
| ·基于改进支持向量机的建模流程 | 第37-42页 |
| 第五章 基于改进支持向量机的深基坑变形预测 | 第42-64页 |
| ·工程实例 | 第42-44页 |
| ·工程概况 | 第42页 |
| ·实测数据整理及分析 | 第42-44页 |
| ·实验样本选择与处理 | 第44-48页 |
| ·实验环境 | 第44页 |
| ·数据预处理 | 第44-45页 |
| ·样本构造 | 第45-48页 |
| ·模型精度评定指标 | 第48页 |
| ·训练与预测 | 第48-60页 |
| ·Matlab 实现 | 第48-51页 |
| ·改进支持向量机模型在深基坑工程中的预测 | 第51-55页 |
| ·传统支持向机模型在深基坑工程中的预测 | 第55-56页 |
| ·神经网络在深基坑工程中的预测 | 第56-60页 |
| ·预测结果比较分析 | 第60-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 个人简历及攻读硕士学位期间发表的学术论文 | 第71页 |
