再生混凝土性能的BP神经网络预测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的主要研究内容 | 第13-15页 |
| 2 人工神经网络基本原理 | 第15-25页 |
| 2.1 人工神经网络概述 | 第15-19页 |
| 2.1.1 人工神经网络模型 | 第15-16页 |
| 2.1.2 神经网络的互连方式 | 第16-18页 |
| 2.1.3 人工神经网络的特点 | 第18-19页 |
| 2.1.4 人工神经网络的应用 | 第19页 |
| 2.2 BP神经网络基本原理 | 第19-24页 |
| 2.2.1 BP神经网络模型 | 第19-20页 |
| 2.2.2 BP网络的学习算法 | 第20-22页 |
| 2.2.3 BP神经网络的局限性及改进 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 3 再生混凝土基本性能的影响因素 | 第25-31页 |
| 3.1 水灰比对再生混凝土性能的影响 | 第25-26页 |
| 3.2 再生粗骨料取代率对再生混凝土性能的影响 | 第26-27页 |
| 3.3 砂率对再生混凝土性能的影响 | 第27-28页 |
| 3.4 再生粗骨料性能对再生混凝土性能的影响 | 第28-29页 |
| 3.5 本章小结 | 第29-31页 |
| 4 建立再生混凝土性能的BP神经网络模型 | 第31-47页 |
| 4.1 选择网络结构 | 第31-34页 |
| 4.1.1 训练样本 | 第31页 |
| 4.1.2 样本数据归一化处理 | 第31-32页 |
| 4.1.3 隐含层层数和节点数的确定 | 第32-34页 |
| 4.2 网络参数的设置 | 第34-39页 |
| 4.2.1 传递函数的选择 | 第34-38页 |
| 4.2.2 训练算法及参数的选择 | 第38页 |
| 4.2.3 网络期望误差的选择 | 第38-39页 |
| 4.3 网络权值的初始化 | 第39页 |
| 4.4 再生混凝土性能的BP网络模型的训练过程 | 第39-45页 |
| 4.5 本章小结 | 第45-47页 |
| 5 再生混凝土性能的BP神经网络模型的应用 | 第47-55页 |
| 5.1 构建BP神经网络检测样本数据库 | 第47-50页 |
| 5.1.1 再生粗骨料特性 | 第47-48页 |
| 5.1.2 试验设计 | 第48-50页 |
| 5.2 BP神经网络的性能评价 | 第50-51页 |
| 5.3 再生粗骨料取代率对再生混凝土性能的影响 | 第51-53页 |
| 5.4 水灰比对再生粗骨料混凝土性能的影响 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 6 结论与展望 | 第55-57页 |
| 6.1 结论 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 附录 | 第59-61页 |
| 致谢 | 第61-62页 |
| 本人简历 | 第62页 |
