| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-22页 |
| ·引言 | 第12页 |
| ·边坡稳定性分析的研究现状 | 第12-20页 |
| ·定性分析方法 | 第12-14页 |
| ·定量分析方法 | 第14-17页 |
| ·不确定性分析方法 | 第17-19页 |
| ·物理模型方法及监测分析法 | 第19-20页 |
| ·边坡稳定性分析的发展方向 | 第20页 |
| ·本文研究的主要意义和主要内容 | 第20-22页 |
| 第二章 遗传算法理论与投影寻踪理论 | 第22-35页 |
| ·遗传算法概述 | 第22页 |
| ·遗传算法的基本原理 | 第22-23页 |
| ·遗传算法的实现机制 | 第23-27页 |
| ·遗传算法的编码方式 | 第23-24页 |
| ·初始群体的生成 | 第24页 |
| ·适应度函数的确定 | 第24-25页 |
| ·遗传操作 | 第25-26页 |
| ·控制参数的设置 | 第26-27页 |
| ·遗传算法的实现步骤 | 第27-28页 |
| ·遗传算法的特点 | 第28页 |
| ·遗传算法的应用 | 第28页 |
| ·加速遗传算法 | 第28-32页 |
| ·投影寻踪理论 | 第32-35页 |
| ·投影寻踪概述 | 第32页 |
| ·投影寻踪的基本思想 | 第32-33页 |
| ·投影寻踪的实现机制 | 第33页 |
| ·投影寻踪的特点 | 第33-35页 |
| 第三章 基于加速遗传算法的投影寻踪评价模型在边坡稳定性评价中的应用 | 第35-48页 |
| ·基于加速遗传算法的投影寻踪聚类评价模型 | 第35-41页 |
| ·模型的建立 | 第35-37页 |
| ·实例分析 | 第37-41页 |
| ·基于加速遗传算法的投影寻踪等级评价模型 | 第41-48页 |
| ·模型的建立 | 第41-42页 |
| ·实例分析 | 第42-48页 |
| 第四章 人工神经网络及其在边坡稳定性评价中的应用 | 第48-61页 |
| ·人工神经网络概述 | 第48页 |
| ·人工神经网络的基本原理 | 第48-49页 |
| ·人工神经网络设计 | 第49-51页 |
| ·人工神经网络的拓扑结构 | 第50页 |
| ·人工神经网络的学习方式 | 第50-51页 |
| ·人工神经网络的学习算法 | 第51页 |
| ·人工神经网络的特点 | 第51页 |
| ·BP 神经网络 | 第51-61页 |
| ·BP 算法的实现步骤 | 第53-55页 |
| ·BP 算法存在的问题及其改进 | 第55页 |
| ·BP 神经网络设计 | 第55-56页 |
| ·BP 神经网络在边坡稳定性评价中的应用 | 第56-61页 |
| 第五章 结论和展望 | 第61-63页 |
| ·结论 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-66页 |