| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 桥梁耐久性评估的必要性 | 第13-15页 |
| 1.3 国内外研究现状 | 第15-20页 |
| 1.3.1 模糊层次分析法 | 第15-16页 |
| 1.3.2 模糊聚类算法 | 第16-17页 |
| 1.3.3 遗传优化神经网络 | 第17-18页 |
| 1.3.4 桥梁耐久性评估研究现状分析 | 第18-20页 |
| 1.4 本文主要研究内容 | 第20-23页 |
| 第2章 钢筋混凝土桥梁耐久性分析与评估指标体系建立 | 第23-35页 |
| 2.1 钢筋混凝土桥梁耐久性影响因素 | 第23-24页 |
| 2.1.1 内部因素影响 | 第23页 |
| 2.1.2 环境因素影响 | 第23-24页 |
| 2.1.3 荷载因素影响 | 第24页 |
| 2.2 钢筋混凝土桥梁耐久性影响机理 | 第24-29页 |
| 2.3 规范关于耐久性问题的规定 | 第29-32页 |
| 2.3.1 混凝土规范对耐久性的要求 | 第30-31页 |
| 2.3.2 钢筋混凝土桥梁的耐久性要求 | 第31-32页 |
| 2.4 耐久性评估指标体系建立 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 基于模糊层次分析的桥梁耐久性状态评估技术研究 | 第35-57页 |
| 3.1 层次分析法基本原理 | 第35-37页 |
| 3.1.1 层次模型 | 第35页 |
| 3.1.2 判断矩阵的构造 | 第35-36页 |
| 3.1.3 一致性检验 | 第36-37页 |
| 3.2 模糊层次分析法 | 第37-39页 |
| 3.2.1 模糊集合及隶属度函数 | 第37-38页 |
| 3.2.2 模糊综合评判方法 | 第38-39页 |
| 3.3 评估指标分级标准及隶属度函数 | 第39-46页 |
| 3.3.1 数据型指标 | 第39-44页 |
| 3.3.2 语言型指标 | 第44-46页 |
| 3.4 评估指标权重计算 | 第46-48页 |
| 3.4.1 底层评估指标权重计算 | 第46-47页 |
| 3.4.2 中间层指标权重计算 | 第47-48页 |
| 3.5 评估实例分析 | 第48-55页 |
| 3.5.1 桥梁概况 | 第48页 |
| 3.5.2 评估指标现场检测 | 第48-52页 |
| 3.5.3 主梁模糊综合评估结果 | 第52-55页 |
| 3.6 本章小结 | 第55-57页 |
| 第4章 基于模糊聚类与遗传优化神经网络的桥梁耐久性状态评价方法研究 | 第57-75页 |
| 4.1 引言 | 第57页 |
| 4.2 模糊 C 均值聚类算法 | 第57-58页 |
| 4.3 遗传优化神经网络算法 | 第58-66页 |
| 4.3.1 BP 神经网络 | 第58-61页 |
| 4.3.2 遗传算法 | 第61-65页 |
| 4.3.3 遗传优化神经网络混合算法 | 第65-66页 |
| 4.4 桥梁耐久性状态评估样本构建 | 第66-67页 |
| 4.5 桥梁耐久性状态模糊聚类分析 | 第67-70页 |
| 4.5.1 聚类样本归一化 | 第67-68页 |
| 4.5.2 桥梁状态隶属度确定 | 第68-70页 |
| 4.6 基于遗传优化神经网络的桥梁耐久性状态评价 | 第70-74页 |
| 4.6.1 遗传优化神经网络模型构建 | 第70-71页 |
| 4.6.2 遗传优化神经网络训练 | 第71-72页 |
| 4.6.3 桥梁耐久性状态评价与验证 | 第72-74页 |
| 4.7 本章小结 | 第74-75页 |
| 第5章 结论与展望 | 第75-77页 |
| 5.1 结论 | 第75-76页 |
| 5.2 展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 致谢 | 第82页 |
