基于剪切波速和支持向量机的砂土地震液化预测研究
| 摘要 | 第4-5页 |
| Abstract | 第5-9页 |
| 第一章绪论 | 第9-26页 |
| 1.1选题背景和意义 | 第9-11页 |
| 1.2砂土液化机理和液化标准分析 | 第11-13页 |
| 1.3基于非剪切波速数据的砂土液化判别研究现状 | 第13-22页 |
| 1.3.1经验法 | 第14-16页 |
| 1.3.2室内试验法 | 第16-18页 |
| 1.3.3监测法 | 第18-19页 |
| 1.3.4机器学习法 | 第19-22页 |
| 1.4基于剪切波速数据的砂土液化判别研究现状 | 第22-24页 |
| 1.5本文的主要工作与技术路线 | 第24-26页 |
| 1.5.1本文主要工作 | 第24页 |
| 1.5.2技术路线 | 第24-26页 |
| 第二章基于机器学习理论的支持向量机 | 第26-39页 |
| 2.1机器学习 | 第26-29页 |
| 2.1.1编程语言Python | 第26页 |
| 2.1.2机器学习理论 | 第26-29页 |
| 2.2支持向量机 | 第29-38页 |
| 2.2.1支持向量机基本原理 | 第29-34页 |
| 2.2.2支持向量机核函数 | 第34-35页 |
| 2.2.3核函数参数优化算法 | 第35-38页 |
| 2.3本章小结 | 第38-39页 |
| 第三章基于剪切波速数据的砂土地震液化预测模型 | 第39-55页 |
| 3.1剪切波速的数据收集与统计 | 第39-42页 |
| 3.1.1数据来源 | 第39-40页 |
| 3.1.2数据分布特点 | 第40-41页 |
| 3.1.3数据描述性统计 | 第41-42页 |
| 3.2剪切波速数据预处理 | 第42-48页 |
| 3.2.1数据集的划分 | 第42-43页 |
| 3.2.2数据标准化 | 第43-44页 |
| 3.2.3相关性分析 | 第44-45页 |
| 3.2.4主成分分析 | 第45-48页 |
| 3.3砂土地震液化的预测模型 | 第48-54页 |
| 3.3.1预测模型的建立 | 第49-50页 |
| 3.3.2模型评估 | 第50-51页 |
| 3.3.3采用PSO优化结果 | 第51-52页 |
| 3.3.4预测结果及模型选优 | 第52-54页 |
| 3.4本章小结 | 第54-55页 |
| 第四章影响预测结果准确性的因素分析 | 第55-61页 |
| 4.1主成分分析对预测性能影响研究 | 第55页 |
| 4.2参数优化对预测性能影响分析 | 第55-56页 |
| 4.3训练样本小幅变化对预测性能影响分析 | 第56-59页 |
| 4.3.1训练样本对不优化参数模型的预测影响 | 第57-58页 |
| 4.3.2训练样本对优化参数模型的预测影响 | 第58-59页 |
| 4.4本章小结 | 第59-61页 |
| 第五章与国内外液化判别法对比分析 | 第61-67页 |
| 5.1国内外判别法简介 | 第61-63页 |
| 5.1.1美国NCEER-剪切波速判别公式 | 第61页 |
| 5.1.2岩规法 | 第61-62页 |
| 5.1.3孙锐法 | 第62-63页 |
| 5.2国内外判别法结果 | 第63-64页 |
| 5.3本文模型法预测结果 | 第64-66页 |
| 5.4本章小结 | 第66-67页 |
| 第六章结论与展望 | 第67-70页 |
| 6.1结论 | 第67-68页 |
| 6.2展望 | 第68-70页 |
| 参考文献 | 第70-81页 |
| 研究生期间发表的学术论文 | 第81-82页 |
| 致谢 | 第82页 |
