| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 引言 | 第9-14页 |
| ·混凝土耐久性研究的背景及意义 | 第9-10页 |
| ·混凝土耐久性的研究现状 | 第10-13页 |
| ·混凝土结构耐久性的影响因素 | 第13页 |
| ·本文的主要研究内容 | 第13-14页 |
| 2 混凝土碳化的基本理论 | 第14-24页 |
| ·混凝土的碳化机理 | 第14-15页 |
| ·影响混凝土碳化的因素 | 第15-19页 |
| ·混凝土碳化深度的预测模型 | 第19-23页 |
| ·经验模型 | 第19-20页 |
| ·理论模型 | 第20-21页 |
| ·神经网络BP 模型 | 第21-23页 |
| ·减缓混凝土碳化的措施 | 第23-24页 |
| 3 支持向量机（Support Vector Machine，SVM） | 第24-39页 |
| ·统计学习理论 | 第24-26页 |
| ·机器学习 | 第24-25页 |
| ·统计学习理论的核心内容 | 第25-26页 |
| ·支持向量机 | 第26-39页 |
| ·支持向量机的基本原理 | 第26-27页 |
| ·支持向量机的数学模型 | 第27-32页 |
| ·支持向量机训练算法 | 第32-33页 |
| ·SVM 网络结构 | 第33-34页 |
| ·ε-支持向量回归机（ε-SVR） | 第34-39页 |
| 4 遗传算法 | 第39-49页 |
| ·遗传算法（GA）的基本概念 | 第39-41页 |
| ·遗传算法的理论基础 | 第41-46页 |
| ·模式定理 | 第41-45页 |
| ·遗传算法的Markov 链描述及其收敛性 | 第45-46页 |
| ·遗传算法的操作步骤 | 第46-47页 |
| ·遗传算法的特点 | 第47-49页 |
| 5 遗传算法和支持向量机在工程实例中的应用 | 第49-54页 |
| ·遗传算法—支持向量回归机的实现 | 第49页 |
| ·工程实例 | 第49-54页 |
| 6 结论 | 第54-56页 |
| ·本文总结 | 第54页 |
| ·后续工作及展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 在读期间发表的学术论文 | 第59-60页 |
| 作者简历 | 第60-61页 |
| 致谢 | 第61页 |