改进神经网络算法在深基坑可靠性分析上的应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文主要工作 | 第15-17页 |
| 第2章 改进粒子群算法 | 第17-38页 |
| 2.1 标准粒子群算法 | 第17-23页 |
| 2.1.1 算法背景概述 | 第17-18页 |
| 2.1.2 算法原理 | 第18-19页 |
| 2.1.3 算法的数学描述 | 第19-21页 |
| 2.1.4 算法流程 | 第21-23页 |
| 2.2 改进粒子群算法 | 第23-28页 |
| 2.2.1 粒子群中的速度分析 | 第23-24页 |
| 2.2.2 简化粒子群算法的实现 | 第24-25页 |
| 2.2.3 均匀初始化粒子 | 第25页 |
| 2.2.4 随机化惯性权重 | 第25-26页 |
| 2.2.5 相互影响的学习因子 | 第26-27页 |
| 2.2.6 加入边界策略 | 第27-28页 |
| 2.3 改进算法流程 | 第28-29页 |
| 2.4 仿真实验 | 第29-36页 |
| 2.4.1 Sphere函数 | 第32-33页 |
| 2.4.2 Rastrigin函数 | 第33-34页 |
| 2.4.3 Ackley函数 | 第34-35页 |
| 2.4.4 Griewank函数 | 第35-36页 |
| 2.4.5 Schaffer1函数 | 第36页 |
| 2.5 本章总结 | 第36-38页 |
| 第3章 改进粒子群算法优化BP神经网络 | 第38-53页 |
| 3.1 神经网络基本理论 | 第38-41页 |
| 3.1.1 生物神经元 | 第38-39页 |
| 3.1.2 人工神经元模型 | 第39-41页 |
| 3.2 BP神经网络 | 第41-47页 |
| 3.2.1 BP算法介绍 | 第42页 |
| 3.2.2 算法推导 | 第42-46页 |
| 3.2.3 算法缺点 | 第46-47页 |
| 3.3 粒子群算法优化神经网络 | 第47-52页 |
| 3.3.1 编码策略 | 第47-48页 |
| 3.3.2 MPSO-BP算法 | 第48-49页 |
| 3.3.3 仿真实验 | 第49-52页 |
| 3.4 本章总结 | 第52-53页 |
| 第4章 应用研究 | 第53-70页 |
| 4.1 深基坑支撑轴力预测中的研究 | 第53-63页 |
| 4.1.1 支撑轴力影响因素分析 | 第53-54页 |
| 4.1.2 数据准备 | 第54-57页 |
| 4.1.3 网络结构参数 | 第57页 |
| 4.1.4 预测结果分析 | 第57-63页 |
| 4.2 深基坑支护变形预测的研究 | 第63-69页 |
| 4.2.1 支护结构变形的影响因素 | 第63-64页 |
| 4.2.2 数据准备 | 第64-65页 |
| 4.2.3 网络结构参数 | 第65-66页 |
| 4.2.4 预测结果分析 | 第66-69页 |
| 4.3 本章总结 | 第69-70页 |
| 第5章 结论与展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75页 |
