| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-21页 |
| ·可靠度理论的基本概念 | 第9-15页 |
| ·结构分析中的不确定性 | 第9-10页 |
| ·结构设计中的基本随机变量 | 第10页 |
| ·结构的极限状态和功能函数 | 第10-12页 |
| ·结构的可靠概率和失效概率 | 第12-14页 |
| ·可靠指标 | 第14页 |
| ·可靠指标与安全系数的关系 | 第14-15页 |
| ·隐式极限状态函数问题的研究现状与存在问题 | 第15-19页 |
| ·响应面法的发展现状及其存在问题 | 第15-17页 |
| ·基于传统神经网络的响应面法的研究现状和存在问题 | 第17-19页 |
| ·本文的创新点和主要内容 | 第19-21页 |
| 第二章 基于遗传算法与神经网络的进化神经网络可靠度分析方法研究 | 第21-55页 |
| ·遗传算法理论 | 第21-28页 |
| ·标准遗传算法 | 第21-22页 |
| ·遗传算法的优势及相应特色 | 第22-23页 |
| ·遗传算法的设计 | 第23-25页 |
| ·利用遗传算法求解优化问题的算例分析 | 第25-27页 |
| ·遗传算法的不足及改进算法 | 第27-28页 |
| ·人工神经网络理论 | 第28-36页 |
| ·人工神经元模型 | 第28-29页 |
| ·人工神经网络模型 | 第29-31页 |
| ·前馈神经网络 | 第31-32页 |
| ·基于BP算法的多层感知器设计 | 第32-33页 |
| ·神经网络样本设计研究 | 第33-36页 |
| ·进化神经网络模型 | 第36-41页 |
| ·进化神经网络的概念 | 第36页 |
| ·遗传算法和神经网络的结合方式 | 第36-38页 |
| ·基于混合训练方法的进化神经网络 | 第38-41页 |
| ·基于进化神经网络的可靠度分析方法 | 第41-54页 |
| ·神经网络输出对输入的偏导数 | 第41-43页 |
| ·基于所提进化神经网络的可靠度分析方法 | 第43-47页 |
| ·算例分析 | 第47-54页 |
| ·本章总结 | 第54-55页 |
| 第三章 程序设计 | 第55-66页 |
| ·MATLAB软件简介 | 第55-56页 |
| ·进化神经网络的编程实现 | 第56-64页 |
| ·遗传算法程序设计 | 第56-57页 |
| ·基于误差反向传播算法的多层感知器程序设计 | 第57-59页 |
| ·本文所提的进化神经网络的程序设计 | 第59-64页 |
| ·均匀设计成程序 | 第64页 |
| ·基于进化神经网络的可靠度分析方法的程序设计 | 第64-65页 |
| ·基于进化神经网络的蒙特卡罗模拟方法的程序设计 | 第64页 |
| ·基于进化神经网络的一次可靠度分析方法程序设计 | 第64-65页 |
| ·本章总结 | 第65-66页 |
| 第四章 工程应用研究 | 第66-79页 |
| ·边坡稳定性分析方法的研究现状 | 第66-68页 |
| ·边坡稳定性分析方法概述 | 第66-67页 |
| ·神经网络在边坡可靠度分析中的研究现状 | 第67-68页 |
| ·边坡可靠度分析步骤 | 第68-70页 |
| ·某露天矿边坡工程背景 | 第70-72页 |
| ·问题的提出 | 第70页 |
| ·滑坡区自然条件及工程地质条件 | 第70-71页 |
| ·建立边坡模型 | 第71-72页 |
| ·Bishop法计算边坡安全系数 | 第72-76页 |
| ·简化Bishop法及REAME程序简介 | 第72-73页 |
| ·输入数据及程序输出结果 | 第73-76页 |
| ·基于进化神经网络的边坡可靠度分析 | 第76-78页 |
| ·本章总结 | 第78-79页 |
| 第五章 全文总结及展望 | 第79-82页 |
| ·研究的主要结论 | 第79-80页 |
| ·进一步研究的建议 | 第80-82页 |
| 参考文献 | 第82-88页 |
| 附录 均匀设计程序代码 | 第88-91页 |
| 致谢 | 第91-92页 |
| 攻读学位期间的主要研究成果 | 第92页 |