基于人工神经网络技术的边坡稳定性评价研究
| 第一章 绪论 | 第1-24页 |
| ·边坡稳定性研究现状 | 第8-20页 |
| ·边坡的变形与破坏 | 第8-11页 |
| ·边坡稳定性评价方法 | 第11-20页 |
| ·边坡稳定性研究中存在的问题及发展方向 | 第20-22页 |
| ·存在的问题 | 第20-21页 |
| ·发展趋势及智能评价方法 | 第21-22页 |
| ·本文论文的选题及研究的主要内容 | 第22-23页 |
| ·论文选题 | 第22-23页 |
| ·研究的主要内容 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第二章 神经网络技术理论基础 | 第24-42页 |
| ·人工神经网络概述 | 第24-27页 |
| ·神经元模型 | 第25页 |
| ·神经网络模型 | 第25-26页 |
| ·神经网络的工作方式 | 第26页 |
| ·神经网络的基本性质 | 第26-27页 |
| ·神经网络的学习与计算 | 第27-29页 |
| ·神经网络的学习 | 第27-28页 |
| ·神经网络的计算 | 第28-29页 |
| ·BP神经网络 | 第29-32页 |
| ·BP网络的学习算法 | 第30-32页 |
| ·径向基神经网络 | 第32-37页 |
| ·径向基网络训练方法 | 第34-35页 |
| ·径向基神经网络的训练算法 | 第35-37页 |
| ·模糊神经网络 | 第37-41页 |
| ·模糊集合 | 第37-38页 |
| ·隶属度的确定 | 第38-39页 |
| ·隶属原则 | 第39-40页 |
| ·模糊神经网络的结构 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 边坡稳定性影响因素敏感性人工神经网络分析 | 第42-56页 |
| ·网络模型及参数选择比较 | 第42-44页 |
| ·因素无量纲化理论 | 第44-47页 |
| ·无量纲化的基本方法 | 第44-45页 |
| ·无量纲化方法选择准则 | 第45-46页 |
| ·无量纲化方法的选用 | 第46-47页 |
| ·正交表理论 | 第47-49页 |
| ·正交表设计基本原理 | 第47-48页 |
| ·正交表的选用 | 第48-49页 |
| ·影响因素敏感性分析 | 第49-55页 |
| ·神经网络的样本选择 | 第49-51页 |
| ·RBF神经网络的构造-----结构、参数值 | 第51-52页 |
| ·因素敏感性分析 | 第52-53页 |
| ·与传统方法所得结果进行分析比较 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 边坡稳定性模糊神经网络评价方法研究 | 第56-75页 |
| ·评价指标体系的建立 | 第56-59页 |
| ·各因素评价指标的确定 | 第56-58页 |
| ·评价等级的涵义 | 第58页 |
| ·评价指标的分级标准 | 第58-59页 |
| ·评价模型的建立 | 第59-63页 |
| ·评价模型 | 第59-60页 |
| ·评价指标权重确定 | 第60-63页 |
| ·模糊神经网络的设计 | 第63-69页 |
| ·知识的表达 | 第63页 |
| ·输入知识的模糊化 | 第63-66页 |
| ·输出知识的反模糊化 | 第66页 |
| ·BP网络的设计 | 第66-67页 |
| ·BP算法的改进 | 第67-68页 |
| ·边坡稳定性模糊神经网络评价过程 | 第68-69页 |
| ·评价实例 | 第69-74页 |
| ·本章小结 | 第74-75页 |
| 第五章 结论与展望 | 第75-77页 |
| ·本文主要结论 | 第75-76页 |
| ·展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 硕士在学期间发表的论文 | 第81-82页 |
| 致谢 | 第82页 |
