| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 概述 | 第10-11页 |
| 1.2 深受弯构件的研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 人工神经网络简介 | 第14-15页 |
| 1.4 本文的主要工作 | 第15-16页 |
| 第二章 深受弯构件的受剪承载性能 | 第16-24页 |
| 2.1 影响钢筋混凝土深受弯构件抗剪承载力的因素 | 第16-19页 |
| 2.1.1 混凝土强度等级 | 第16页 |
| 2.1.2 剪跨比 | 第16-17页 |
| 2.1.3 竖向腹筋配筋率 | 第17-18页 |
| 2.1.4 跨高比 | 第18页 |
| 2.1.5 纵向钢筋配筋率 | 第18-19页 |
| 2.2 受剪设计方法 | 第19-23页 |
| 2.2.1 中国GB 50010-2010规范 | 第19-20页 |
| 2.2.2 美国ACI318-11规范 | 第20-22页 |
| 2.2.3 加拿大CSA A23.3-04规范 | 第22-23页 |
| 2.2.4 欧洲EC2规范 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 神经网络工作基本原理 | 第24-36页 |
| 3.1 神经网络的应用 | 第24-25页 |
| 3.2 神经网络分类 | 第25-27页 |
| 3.2.1 人工神经网络组成 | 第25-26页 |
| 3.2.2 人工神经网络的种类 | 第26-27页 |
| 3.3 BP神经网络工作原理 | 第27-32页 |
| 3.3.1 神经网络模型 | 第27-28页 |
| 3.3.2 BP算法及公式推导 | 第28-31页 |
| 3.3.3 神经网络计算流程 | 第31-32页 |
| 3.4 网络设计中应注意的几个问题 | 第32-34页 |
| 3.4.1 网络的层数 | 第32-33页 |
| 3.4.2 隐含层神经元数目的选取 | 第33-34页 |
| 3.4.3 初始权值的选取 | 第34页 |
| 3.4.4 学习速率 | 第34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 基于BP-ANN的RC深受弯构件受剪承载力研究 | 第36-50页 |
| 4.1 数据分析 | 第36-37页 |
| 4.2 基于ANN的预测模型的建立 | 第37-39页 |
| 4.2.1 ANN模型的选取 | 第37页 |
| 4.2.2 BP-ANN模型的建立 | 第37-39页 |
| 4.3 多元回归分析模式 | 第39-41页 |
| 4.4 深受弯构件规范结果与神经网络计算结果对比 | 第41-42页 |
| 4.5 钢筋混凝土深受弯构件受剪承载力单因素分析 | 第42-46页 |
| 4.5.1 混凝土强度等级的影响 | 第42-43页 |
| 4.5.2 跨高比的影响 | 第43-44页 |
| 4.5.3 竖向腹筋配筋率的影响 | 第44-46页 |
| 4.6 基于正交试验设计的理论分析 | 第46-48页 |
| 4.6.1 正交试验理论 | 第46页 |
| 4.6.2 正交试验表的选定 | 第46-48页 |
| 4.6.3 正交试验极差分析 | 第48页 |
| 4.7 本章小结 | 第48-50页 |
| 第五章 灵敏度分析 | 第50-62页 |
| 5.1 灵敏度分析理论 | 第50-53页 |
| 5.1.1 局部灵敏度分析 | 第51页 |
| 5.1.2 全局灵敏度分析 | 第51-53页 |
| 5.2 灵敏度试验设计 | 第53-58页 |
| 5.2.1 试验数据参数的灵敏度 | 第53-55页 |
| 5.2.2 BP-ANN模型及规范公式的EFAST灵敏度 | 第55-57页 |
| 5.2.3 其他方法计算灵敏度值 | 第57-58页 |
| 5.3 基于灵敏度的BP-ANN模型优化 | 第58-60页 |
| 5.4 本章小结 | 第60-62页 |
| 结论与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68-80页 |
| 攻读硕士学位期间发表的学术成果 | 第80-81页 |
| 致谢 | 第81页 |