基于人工神经网络的高速公路软基沉降预测研究
| 摘要 | 第1-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第12-19页 |
| ·高速公路软基沉降问题概述 | 第12-14页 |
| ·路基沉降计算和预测研究现状 | 第14-17页 |
| ·路基沉降计算方法 | 第14-16页 |
| ·路基沉降预测方法研究现状 | 第16-17页 |
| ·本文主要研究内容 | 第17-19页 |
| 第二章 沉降预测模型分析 | 第19-30页 |
| ·曲线拟合法 | 第19-27页 |
| ·结度对数配合法(三点法) | 第19-20页 |
| ·双曲线拟合法 | 第20-22页 |
| ·星野线法 | 第22-24页 |
| ·指数曲线法 | 第24-26页 |
| ·抛物线法 | 第26页 |
| ·泊松曲线法 | 第26-27页 |
| ·灰色系统法 | 第27-28页 |
| ·遗传算法 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第三章 人工神经网络的基本原理 | 第30-41页 |
| ·人工神经网络的概述 | 第30-33页 |
| ·人工神经网络起源 | 第30-31页 |
| ·人工神经网络的主要研究方向及最新动态 | 第31-32页 |
| ·常见的人工神经网络模型 | 第32-33页 |
| ·人工神经元模型 | 第33-36页 |
| ·人工神经元的基本概念 | 第33-34页 |
| ·人工神经元网络模型结构 | 第34-36页 |
| ·人工神经网络基本特性 | 第36-38页 |
| ·人工神经网络基本特性 | 第36-38页 |
| ·人工神经网络学习规则和工作方式 | 第38-40页 |
| ·人工神经网络学习规则 | 第38-39页 |
| ·人工神经网络工作方式 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第四章 路基沉降预测的人工神经网络BP模型 | 第41-60页 |
| ·人工神经网络BP模型 | 第41-46页 |
| ·人工神经网络BP模型构成原理 | 第41-44页 |
| ·BP网络模型的算法原理 | 第44-46页 |
| ·沉降预测的BP网络模型 | 第46-50页 |
| ·软土地基沉降机理及计算方法 | 第46-50页 |
| ·软土地基沉降人工神经网络沉降预测的步骤 | 第50页 |
| ·BP神经网络路基沉降预测模型的建立 | 第50-57页 |
| ·BP网络预测模型输入输出设计 | 第51-53页 |
| ·BP网络隐层数及隐节点的设计 | 第53-54页 |
| ·BP网络激活函数选取 | 第54-55页 |
| ·BP网络学习率η的选择 | 第55页 |
| ·BP网络学习规则的确定 | 第55-56页 |
| ·BP网络学习次数 | 第56页 |
| ·BP网络学习过程 | 第56-57页 |
| ·BP网络终止学习条件 | 第57页 |
| ·BP网络训练 | 第57页 |
| ·BP网络的改进 | 第57-59页 |
| ·小结 | 第59-60页 |
| 第五章 工程应用实例 | 第60-72页 |
| ·模型验证与实际应用 | 第60-66页 |
| ·模型验证 | 第60-64页 |
| ·模型应用 | 第64-66页 |
| ·采用函数影响技术的神经网络沉降预测模型 | 第66-68页 |
| ·网络结构 | 第66-67页 |
| ·网络训练 | 第67页 |
| ·模型验证 | 第67-68页 |
| ·带调控器的神经网络沉降预测模型 | 第68-71页 |
| ·带调控器的BP网络 | 第68-69页 |
| ·带调控器神经网络沉降预测模型 | 第69页 |
| ·模型验证 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 程序介绍 | 第72-84页 |
| ·面向对象技术应用基础 | 第72-75页 |
| ·面向对象基本概念 | 第72页 |
| ·面向对象技术产生发展的原因 | 第72-74页 |
| ·Visual Basic语言面向对象技术 | 第74-75页 |
| ·程序系统简介 | 第75-78页 |
| ·网络学习参数设置 | 第78-81页 |
| ·学习状态窗口 | 第81-82页 |
| ·动态绘图窗口 | 第82页 |
| ·网络认识窗口 | 第82-83页 |
| ·帮助系统窗口 | 第83页 |
| ·小结 | 第83-84页 |
| 第七章 结论与展望 | 第84-88页 |
| ·结论 | 第84-86页 |
| ·展望 | 第86-88页 |
| 致谢 | 第88-89页 |
| 参考文献 | 第89-93页 |
| 在学期间发表论文及科研获奖情况 | 第93页 |
