| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| ·问题的提出 | 第8页 |
| ·锤击桩概述 | 第8-9页 |
| ·单桩极限承载力的确定方法综述 | 第9-12页 |
| ·传统的确定单桩极限承载力的方法 | 第9-11页 |
| ·有限元法 | 第11页 |
| ·神经网络预测法 | 第11-12页 |
| ·本文的研究目的和研究意义 | 第12-13页 |
| ·本文的研究方法和主要内容 | 第13-14页 |
| 参考文献 | 第14-16页 |
| 第二章 锤击桩的沉桩机理及单桩极限承载力的影响因素分析 | 第16-26页 |
| ·前言 | 第16页 |
| ·锤击桩沉桩机理综述 | 第16-19页 |
| ·锤击桩的沉桩机理 | 第16页 |
| ·砂性土和粘性土中锤击沉桩特性的区别 | 第16-18页 |
| ·锤击沉桩时的动态阻力分析 | 第18页 |
| ·锤击沉桩时沉桩阻力的分布规律 | 第18-19页 |
| ·锤击桩的荷载传递机理 | 第19-21页 |
| ·桩侧阻力的发挥 | 第20-21页 |
| ·桩端阻力的发挥 | 第21页 |
| ·锤击沉桩单桩竖向极限承载力的影响因素分析 | 第21-23页 |
| ·桩周土的工程性质和土层分布 | 第21页 |
| ·成桩效应 | 第21-22页 |
| ·桩身材料 | 第22页 |
| ·桩的几何特征 | 第22-23页 |
| ·打桩施工参数 | 第23页 |
| ·单桩承载力的时间效应 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 参考文献 | 第25-26页 |
| 第三章 人工神经网络理论 | 第26-37页 |
| ·人工神经网络的定义 | 第26页 |
| ·人工神经网络的发展简史 | 第26-27页 |
| ·神经网络的特点 | 第27页 |
| ·人工神经网络基础 | 第27-31页 |
| ·生物神经网络 | 第27-28页 |
| ·人工神经元 | 第28-29页 |
| ·激活函数 | 第29-30页 |
| ·人工神经网络的学习过程 | 第30页 |
| ·人工神经网络的分类和结构 | 第30-31页 |
| ·BP 神经网络的基本原理 | 第31-33页 |
| ·BP 神经网络简介 | 第31-33页 |
| ·BP 神经网络存在的主要问题 | 第33页 |
| ·本文对BP 算法的若干改进 | 第33页 |
| ·遗传算法基本原理 | 第33-36页 |
| ·遗传算法概述 | 第33-34页 |
| ·遗传算法的优点 | 第34页 |
| ·遗传算法的基本操作 | 第34-36页 |
| ·本章小结 | 第36页 |
| 参考文献 | 第36-37页 |
| 第四章 锤击桩单桩极限承载力的神经网络预测模型设计 | 第37-47页 |
| ·前言 | 第37页 |
| ·神经网络预测模型的建立 | 第37-43页 |
| ·样本的建立 | 第37页 |
| ·样本的预处理 | 第37-38页 |
| ·网络结构设计 | 第38-39页 |
| ·输入输出层设计 | 第39页 |
| ·隐层设计 | 第39-40页 |
| ·激活函数的选择 | 第40-41页 |
| ·训练函数的选择 | 第41-43页 |
| ·学习函数的选择 | 第43页 |
| ·误差性能函数 | 第43页 |
| ·用遗传算法优化BP 神经的初始权重 | 第43-45页 |
| ·前言 | 第43-44页 |
| ·适应度函数设计 | 第44页 |
| ·遗传算法优化BP 神经网络初始权重设计 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 参考文献 | 第46-47页 |
| 第五章 网络预测效果分析 | 第47-52页 |
| ·工程实例简介 | 第47页 |
| ·神经网络预测过程 | 第47-49页 |
| ·神经网络预测结果 | 第49页 |
| ·对比分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| ·结论 | 第52页 |
| ·展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 附录 | 第55-57页 |