| 1 绪论 | 第1-11页 |
| 1．1 引言 | 第7页 |
| 1．2 深基坑开挖工程特点 | 第7-8页 |
| 1．3 人工神经网络研究现状 | 第8页 |
| 1．4 并行计算的发展简介 | 第8-9页 |
| 1．5 本文主要工作 | 第9-11页 |
| 2 并行计算机与PVM系统 | 第11-24页 |
| 2．1 并行性概念及并行计算机的分类 | 第11-12页 |
| 2．1．1 并行性概念 | 第11页 |
| 2．1．2 并行计算机分类 | 第11-12页 |
| 2．2 向量处理机 | 第12-13页 |
| 2．3 并行处理机互连网络形式 | 第13-16页 |
| 2．4 通信与同步 | 第16-17页 |
| 2．5 并行算法 | 第17-18页 |
| 2．5．1 并行算法的概念 | 第17页 |
| 2．5．2 并行算法的分类 | 第17-18页 |
| 2．5．3 并行化的度量 | 第18页 |
| 2．6 并行程序设计 | 第18-19页 |
| 2．7 PVM系统 | 第19-22页 |
| 2．7．1 PVM概述 | 第19-20页 |
| 2．7．2 PVM特点 | 第20页 |
| 2．7．3 PVM系统的基本结构 | 第20-21页 |
| 2．7．4 PVM基本编程模式 | 第21页 |
| 2．7．5 PVM消息传递用户界面 | 第21-22页 |
| 2．7．6 PVM程序的调试 | 第22页 |
| 2．7．7 PVM和并行计算环境的未来发展 | 第22页 |
| 2．8 曙光3000超级并行计算机系统 | 第22-24页 |
| 3 人工神经网络基本理论简介 | 第24-30页 |
| 3．1 人工神经网络的处理单元 | 第24-25页 |
| 3．2 传递函数 | 第25-26页 |
| 3．3 人工神经网络的拓扑结构 | 第26页 |
| 3．4 人工神经网络的学习规则 | 第26-28页 |
| 3．5 人工神经网络的工作形式 | 第28-29页 |
| 3．6 人工神经网络的特点 | 第29-30页 |
| 4 BP神经网络及其改进 | 第30-43页 |
| 4．1 人工神经网络的误差反传算法 | 第30-34页 |
| 4．1．1 引言 | 第30页 |
| 4．1．2 BP神经网络的模型 | 第30-31页 |
| 4．1．3 BP算法 | 第31-33页 |
| 4．1．4 BP训练算法的实施步骤 | 第33-34页 |
| 4．2 BP算法的缺点及其若干改进 | 第34页 |
| 4．3 BP网络的泛化能力及其影响因素 | 第34-36页 |
| 4．3．1 训练样本集的影响 | 第35-36页 |
| 4．3．2 网络结构与学习算法的影响 | 第36页 |
| 4．4 BP学习算法学习速率μ和冲量系数β的动态优化调整 | 第36-43页 |
| 4．4．1 引言 | 第36-37页 |
| 4．4．2 误差函数对学习速率μ和冲量系数β的一阶和二阶导数 | 第37-39页 |
| 4．4．3 Newton法 | 第39-40页 |
| 4．4．4 不精确一维搜索法 | 第40-41页 |
| 4．4．5 共轭梯度法 | 第41-43页 |
| 5 人工神经网络FRBP算法在多层土体物性参数识别中的应用 | 第43-51页 |
| 5．1 引言 | 第43页 |
| 5．2 基坑土体变形渗流瞬态过程的计算模型及有限元方法 | 第43-47页 |
| 5．2．1 Alonso饱和-非饱和土本构模型 | 第43-44页 |
| 5．2．2 饱和-非饱和土变形渗流瞬态过程的控制方程 | 第44-45页 |
| 5．2．3 控制方程的有限元离散及求解 | 第45-47页 |
| 5．3 人工神经网络在多层土体物性参数识别中的应用 | 第47-48页 |
| 5．4 密集型数据的预处理 | 第48-49页 |
| 5．5 并行程序组织 | 第49-51页 |
| 6 深基坑开挖工程参数辨识的并行计算算例 | 第51-56页 |
| 6．1 算例一 | 第51-53页 |
| 6．1．1 与串行运算时间比较 | 第51页 |
| 6．1．2 辨识结果 | 第51-53页 |
| 6．2 算例二 | 第53-54页 |
| 6．2．1 与串行运算时间比较 | 第53页 |
| 6．2．2 辨识结果 | 第53-54页 |
| 6．3 结论 | 第54-56页 |
| 7 总结与展望 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-60页 |
