| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·水泥强度概述 | 第8页 |
| ·研究背景及意义 | 第8-9页 |
| ·目前国内外有关水泥强度快速测定方法的研究现状 | 第9-11页 |
| ·本文的主要工作 | 第11-13页 |
| 第二章 不同预测模型建模方法的探讨 | 第13-19页 |
| ·基于机理分析的方法 | 第13页 |
| ·机理建模和经验建模相结合的方法 | 第13页 |
| ·回归分析建模方法 | 第13-16页 |
| ·一元线性回归分析 | 第14-15页 |
| ·多元线性回归分析 | 第15-16页 |
| ·人工神经网络建模方法 | 第16-17页 |
| ·本章小结 | 第17-19页 |
| 第三章 基于BP神经网络的水泥强度预测模型 | 第19-35页 |
| ·神经网络概述 | 第19-20页 |
| ·BP网概述 | 第20-22页 |
| ·BP网络结构 | 第20-21页 |
| ·BP网络的学习算法 | 第21-22页 |
| ·激活函数 | 第22页 |
| ·样本数据的准备和处理 | 第22-24页 |
| ·样本数据的准备 | 第22页 |
| ·数据的预处理 | 第22-23页 |
| ·样本数据的标准化处理 | 第23-24页 |
| ·BP神经网络的设计原则 | 第24-25页 |
| ·BP算法及若干改进算法的建模分析 | 第25-31页 |
| ·梯度下降反向传播算法模型 | 第25-27页 |
| ·动量梯度下降反向传播算法 | 第27-29页 |
| ·自适应学习速率动量梯度下降反向传播算法 | 第29-30页 |
| ·BP极其改进算法仿真结果对比分析 | 第30-31页 |
| ·本章小节 | 第31-35页 |
| 第四章 基于RBF神经网络水泥强度预测模型 | 第35-44页 |
| ·RBF神经网络基本理论 | 第35-38页 |
| ·RBF网络结构 | 第35-36页 |
| ·RBF神经网络的映射机理 | 第36-37页 |
| ·RBF算法的数学表达 | 第37页 |
| ·RBF算法的执行步骤 | 第37-38页 |
| ·RBF神经网络建模 | 第38-43页 |
| ·可行性分析 | 第38-39页 |
| ·RBF网络结构的确定 | 第39页 |
| ·RBF网络模型的建立及仿真 | 第39-43页 |
| ·RBF神经网络预测模型结构框图 | 第39-40页 |
| ·预测模型的建立及仿真结果 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 水泥强度预测应用软件的开发 | 第44-56页 |
| ·MATLAB程序语言 | 第44-46页 |
| ·Matlab程序语言概述 | 第44页 |
| ·VC和Matlab编程接口研究 | 第44-46页 |
| ·在MATLAB下生成COM组件及VC++6.0下调用 | 第46-49页 |
| ·Matlab下生成COM组件的具体方法 | 第46-48页 |
| ·VC++6.0下调用Matlab生成的COM组件 | 第48-49页 |
| ·数据库系统设计 | 第49-51页 |
| ·Visual C++6.0提供的数据库访问技术 | 第49-50页 |
| ·数据库结构设计 | 第50-51页 |
| ·应用软件的界面设计 | 第51-56页 |
| ·系统主界面 | 第52-53页 |
| ·样本数据采集模块 | 第53页 |
| ·数据管理模块 | 第53-55页 |
| ·强度预测模块 | 第55-56页 |
| 第六章 研究总结 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录A 攻读硕士学位期间公开发表的论文 | 第62页 |