河道防洪安全及防洪堤稳定性分析
摘要 | 第4-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第12-20页 |
1.1 研究背景 | 第12页 |
1.2 河道防洪国内外研究现状 | 第12-17页 |
1.2.1 国内研究现状分析 | 第12-15页 |
1.2.2 国外研究现状分析 | 第15-17页 |
1.3 研究目的及意义 | 第17-18页 |
1.4 主要研究内容 | 第18页 |
1.5 技术路线 | 第18-20页 |
第二章 白鹭湾涟水大桥工程概况 | 第20-27页 |
2.1 工程概况 | 第20-22页 |
2.2 区域概况 | 第22-26页 |
2.2.1 流域概况 | 第22-23页 |
2.2.2 气象 | 第23页 |
2.2.3 水文特征 | 第23-24页 |
2.2.4 地质 | 第24-26页 |
2.3 本章小结 | 第26-27页 |
第三章 防洪安全验算 | 第27-32页 |
3.1 设计洪水 | 第27-28页 |
3.2 设计水位 | 第28-29页 |
3.3 工程对河道安全的影响分析 | 第29-31页 |
3.4 本章小结 | 第31-32页 |
第四章 灰关联分析及其在防洪堤稳定性中的应用 | 第32-49页 |
4.1 灰色系统简介 | 第32页 |
4.2 灰色系统理论 | 第32-34页 |
4.3 灰关联分析 | 第34页 |
4.4 灰关联分析模型 | 第34-40页 |
4.4.1 原始数据变换 | 第34-37页 |
4.4.2 模型介绍 | 第37-40页 |
4.5 堤防工程级别 | 第40页 |
4.6 防洪堤稳定性影响因素分析 | 第40-44页 |
4.7 灰关联分析的应用 | 第44-46页 |
4.7.1 数据区间化 | 第44-45页 |
4.7.2 求差序列 | 第45页 |
4.7.3 关联系数 | 第45-46页 |
4.7.4 计算关联度 | 第46页 |
4.8 灰关联分析结果 | 第46-47页 |
4.9 本章小结 | 第47-49页 |
第五章 人工神经网络及其在防洪堤稳定性中的应用 | 第49-77页 |
5.1 人工神经网络简介 | 第49页 |
5.2 神经网络基本结构 | 第49-51页 |
5.2.1 神经网络处理单元 | 第49-51页 |
5.2.2 转移函数 | 第51页 |
5.3 前馈神经网络 | 第51-53页 |
5.3.1 单层前馈神经网络 | 第52页 |
5.3.2 多层前馈神经网络 | 第52-53页 |
5.4 训练与回忆操作 | 第53-54页 |
5.4.1 训练 | 第53-54页 |
5.4.2 回忆操作 | 第54页 |
5.5 BP网络 | 第54-62页 |
5.6 防洪堤BP神经网络模型的建立 | 第62-63页 |
5.6.1 神经网络输入信号的确定 | 第62页 |
5.6.2 神经网络输出信号的确定 | 第62-63页 |
5.7 数据处理 | 第63-66页 |
5.7.1 数据的归一化 | 第64-66页 |
5.8 程序说明 | 第66-70页 |
5.9 隐含层节点的确定 | 第70-72页 |
5.10 BP算法的改进 | 第72-75页 |
5.10.1 存在的问题 | 第72-73页 |
5.10.2 改进算法 | 第73-75页 |
5.11 人工神经网络预测 | 第75页 |
5.12 本章小结 | 第75-77页 |
第六章 结论和展望 | 第77-80页 |
6.1 结论 | 第77-78页 |
6.2 展望 | 第78-80页 |
参考文献 | 第80-85页 |
附录一 | 第85-86页 |
作者攻读学位期间的研究成果 | 第86-87页 |
致谢 | 第87页 |