| 摘要 | 第3-4页 |
| Abstract | 第4-9页 |
| 1绪论 | 第9-16页 |
| 1.1课题的研究背景及意义 | 第9-10页 |
| 1.2课题的研究现状 | 第10-14页 |
| 1.2.1橡胶钢纤维混凝土的研究现状 | 第10-13页 |
| 1.2.2人工神经网络预测混凝土的研究现状 | 第13-14页 |
| 1.3主要研究内容 | 第14-16页 |
| 2橡胶钢纤维混凝土的相关试验 | 第16-29页 |
| 2.1试验所用材料、仪器及试验方法 | 第16-23页 |
| 2.1.1试验材料 | 第16-17页 |
| 2.1.2主要的试验仪器 | 第17-18页 |
| 2.1.3橡胶钢纤维混凝土配合比 | 第18页 |
| 2.1.4标准试件的制备 | 第18-23页 |
| 2.1.5橡胶钢纤维混凝土抗压强度试验 | 第23页 |
| 2.1.6试验数据的处理 | 第23页 |
| 2.2橡胶钢纤维混凝土立方体抗压强度试验结果 | 第23-28页 |
| 2.3本章小结 | 第28-29页 |
| 3BP神经网络和粒子群优化算法基本理论 | 第29-41页 |
| 3.1BP神经网络 | 第29-37页 |
| 3.1.1BP神经网络的基本结构 | 第29-30页 |
| 3.1.2BP神经网络的算法及步骤 | 第30-33页 |
| 3.1.3MATLAB2018实现BP神经网络 | 第33-37页 |
| 3.1.4BP神经网络的不足 | 第37页 |
| 3.2粒子群（PSO）优化算法 | 第37-40页 |
| 3.2.1粒子群（PSO）优化算法的基本原理 | 第37-39页 |
| 3.2.2粒子群（PSO）优化算法的步骤 | 第39-40页 |
| 3.2.3粒子群（PSO）优化算法的流程图 | 第40页 |
| 3.3本章小结 | 第40-41页 |
| 4橡胶钢纤维混凝土PSO-BP神经网络强度预测模型 | 第41-47页 |
| 4.1PSO-BP神经网络模型的基本原理 | 第41页 |
| 4.2PSO-BP神经网络模型的设计 | 第41-43页 |
| 4.3橡胶钢纤维混凝土PSO算法的编码策略和初始值的设定 | 第43-46页 |
| 4.3.1粒子群算法的编码策略 | 第43页 |
| 4.3.2PSO优化算法初始值的设定 | 第43-46页 |
| 4.4本章小结 | 第46-47页 |
| 5橡胶钢纤维混凝土强度预测 | 第47-68页 |
| 5.1PSO-BP神经网络训练、验证以及强度预测 | 第47-63页 |
| 5.1.1BP神经网络的建立 | 第47-51页 |
| 5.1.2PSO算法优化BP神经网络 | 第51-55页 |
| 5.1.3优化后的BP神经网络训练 | 第55-61页 |
| 5.1.4优化后的BP神经网络预测橡胶钢纤维混凝土强度 | 第61-63页 |
| 5.2单一BP神经网络的训练验证及预测 | 第63-67页 |
| 5.3结果对比分析 | 第67页 |
| 5.4本章小结 | 第67-68页 |
| 6结论 | 第68-69页 |
| 7展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 作者简介 | 第74页 |
