| 摘要 | 第4-5页 |
| Abstract | 第5-9页 |
| 第一章绪论 | 第9-17页 |
| 1.1研究背景及意义 | 第9-10页 |
| 1.2研究现状 | 第10-15页 |
| 1.2.1砂土液化的研究进展 | 第10-11页 |
| 1.2.2砂土液化的判别 | 第11-13页 |
| 1.2.3地震液化稳定性分析 | 第13-15页 |
| 1.3本文主要研究的问题 | 第15-17页 |
| 第二章松原地区地质构造及地震概况 | 第17-25页 |
| 2.1松原地区地质构造 | 第17-19页 |
| 2.2松原地震概况 | 第19-23页 |
| 2.2.1公元1119年2月前郭地震 | 第20-21页 |
| 2.2.22006年3月乾安M5.0地震 | 第21-22页 |
| 2.2.32013年11月前郭M5.8地震 | 第22页 |
| 2.2.42018年5月江宁M5.7地震 | 第22-23页 |
| 2.3本章小结 | 第23-25页 |
| 第三章砂土的基本物理力学性质 | 第25-33页 |
| 3.1砂土的物质组成 | 第25-29页 |
| 3.2物理力学性质 | 第29-32页 |
| 3.2.1研究区砂土的含水率 | 第29页 |
| 3.2.2砂土的密度 | 第29-30页 |
| 3.2.3砂土的其他物理指标 | 第30-32页 |
| 3.3本章小结 | 第32-33页 |
| 第四章基于灰关联度评价吉林松原地区砂土液化的影响因素 | 第33-49页 |
| 4.1灰关联度法的分析原理 | 第34-35页 |
| 4.2灰关联度法的计算过程 | 第35-36页 |
| 4.3松原地区砂土液化因素关联度分析过程 | 第36-47页 |
| 4.4本章小结 | 第47-49页 |
| 第五章基于BP神经网络的砂土震动液化模型 | 第49-67页 |
| 5.1BP神经网络模型的原理 | 第49-56页 |
| 5.1.1模式的顺传播 | 第51-52页 |
| 5.1.2误差的逆传播 | 第52-54页 |
| 5.1.3记忆的训练过程 | 第54-55页 |
| 5.1.4收敛过程 | 第55-56页 |
| 5.1.5BP神经网络方法的优点 | 第56页 |
| 5.2砂土液化模型的建立 | 第56-65页 |
| 5.2.1研究区砂土液化影响因素的选取 | 第56-57页 |
| 5.2.2隐含层的选取 | 第57页 |
| 5.2.3建立砂土液化模型 | 第57-65页 |
| 5.3本章小结 | 第65-67页 |
| 第六章地基土地震液化稳定性分析 | 第67-82页 |
| 6.1Geostudio软件介绍 | 第68-69页 |
| 6.2地基土地震液化稳定性分析 | 第69-81页 |
| 6.3本章小结 | 第81-82页 |
| 第七章结论与展望 | 第82-85页 |
| 7.1主要结论 | 第82-83页 |
| 7.2工作展望 | 第83-85页 |
| 参考文献 | 第85-93页 |
| 研究生期间发表的学术论文 | 第93-94页 |
| 致谢 | 第94页 |