| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 引言 | 第8-11页 |
| ·坝工结构反分析的目的和意义 | 第8页 |
| ·水利工程结构反分析的研究现状 | 第8-9页 |
| ·坝工结构反分析存在的问题 | 第9-10页 |
| ·本文主要研究内容 | 第10-11页 |
| 2 坝工结构反分析的理论基础 | 第11-20页 |
| ·坝工结构反分析的定义与分类 | 第11页 |
| ·坝工结构反分析的基本方法 | 第11-19页 |
| ·基于加权线性最小二乘的反分析 | 第12页 |
| ·基于非线性最小二乘的反分析 | 第12-13页 |
| ·基于极大似然估计的反分析法 | 第13-14页 |
| ·基于贝叶斯法的反分析法 | 第14-17页 |
| ·基于卡尔曼滤波的反分析方法 | 第17-19页 |
| ·小结 | 第19-20页 |
| 3 基于微粒群算法的坝工结构反分析方法 | 第20-26页 |
| ·微粒群算法(PSO) | 第20-22页 |
| ·PSO算法概述 | 第20页 |
| ·PSO算法的基本原理 | 第20-21页 |
| ·PSO算法的计算流程 | 第21-22页 |
| ·大型结构有限元分析软件ANSYS | 第22-24页 |
| ·ANSYS简介 | 第22页 |
| ·ANSYS结构分析概述 | 第22页 |
| ·ANSYS结构分析实现过程 | 第22-23页 |
| ·APDL参数化语言 | 第23-24页 |
| ·基于PSO的坝工反分析模型的确立 | 第24-25页 |
| ·建立模型的意义 | 第24页 |
| ·坝工结构反分析模型建立过程 | 第24-25页 |
| ·小结 | 第25-26页 |
| 4 基于PSO算法和均匀RBF响应面的坝工结构反分析方法 | 第26-44页 |
| ·神经网络简介 | 第26-27页 |
| ·径向基函数(RBF)网络 | 第27-30页 |
| ·RBF网络简介 | 第27页 |
| ·RBF网络结构 | 第27-28页 |
| ·径向基函数的学习过程 | 第28-29页 |
| ·RBF网络创建、训练与仿真 | 第29-30页 |
| ·均匀RBF响应面网络在坝工结构反分析中的应用 | 第30-43页 |
| ·均匀RBF响应面网络基本思想 | 第30页 |
| ·算法的基本流程 | 第30-31页 |
| ·应用范例 | 第31-43页 |
| ·小结 | 第43-44页 |
| 5 结论与展望 | 第44-46页 |
| ·结论 | 第44页 |
| ·展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 在读期间发表的学术论文 | 第50-51页 |
| 作者简介 | 第51-52页 |
| 致谢 | 第52-53页 |
| 附件 | 第53-59页 |