首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

泛化回归神经网络在深基坑变形监测中的应用研究

摘要第4-5页
Abstract第5-6页
目录第7-9页
1 绪论第9-14页
    1.1 研究背景及意义第9-10页
        1.1.1 研究背景第9页
        1.1.2 研究意义第9-10页
    1.2 研究现状及发展第10-12页
        1.2.1 基坑监测的研究现状及发展第10-12页
        1.2.2 神经网络的研究现状及发展第12页
    1.3 本文的创新点及组织框架第12-14页
        1.3.1 本文的创新点第12-13页
        1.3.2 本文的组织框架第13-14页
2 基坑监测的基本理论第14-20页
    2.1 基坑工程的基本知识第14-15页
        2.1.1 基坑工程的特点第14页
        2.1.2 基坑工程的分类第14页
        2.1.3 基坑的支护结构第14-15页
        2.1.4 基坑支护的破坏形式第15页
    2.2 基坑监测的目的第15页
    2.3 基坑监测的设计理论第15-17页
        2.3.1 基坑监测的设计原则第15-16页
        2.3.2 基坑监测的设计内容第16页
        2.3.3 基坑监测的设计方法第16-17页
    2.4 常用的监测数据处理方法第17-19页
    2.5 本章小结第19-20页
3 神经网络的基本原理第20-31页
    3.1 神经网络的基本概念第20-21页
    3.2 神经网络的结构和类型第21-25页
        3.2.1 网络结构第21-23页
        3.2.2 网络类型第23-25页
    3.3 神经网络的仿真、学习与训练第25-26页
        3.3.1 仿真第25页
        3.3.2 学习第25-26页
        3.3.3 训练第26页
    3.4 深基坑监测中BP网络模型的建立第26-30页
        3.4.1 模型的构建第26-27页
        3.4.2 算法的实现第27-28页
        3.4.3 算例分析第28-30页
    3.5 本章小结第30-31页
4 泛化回归神经网络的原理第31-43页
    4.1 径向基函数网络第31-35页
        4.1.1 径向基神经元模型第31-32页
        4.1.2 径向基函数的网络结构第32页
        4.1.3 径向基网络的映射机制第32-34页
        4.1.4 径向基网络的特点第34页
        4.1.5 径向基神经网络的学习第34-35页
    4.2 正则化理论和格林函数第35-36页
    4.3 泛化回归神经网络第36-39页
        4.3.1 理论依据第36-38页
        4.3.2 网络结构第38-39页
    4.4 深基坑工程的泛化回归网络模型的建立第39-42页
        4.4.1 模型的构建第39-40页
        4.4.2 算法的实现第40-41页
        4.4.3 算例分析第41-42页
    4.5 本章小结第42-43页
5 泛化回归神经网络在某基坑工程中的应用实例第43-54页
    5.1 工程概况第43页
    5.2 基坑工程的泛化回归神经网络的设计及算法的实现第43-44页
    5.3 实例结果分析第44-53页
        5.3.1 沉降实例结果分析第44-49页
        5.3.2 位移实例结果分析第49-53页
    5.4 本章小结第53-54页
6 总结及展望第54-56页
参考文献第56-58页
攻读硕士学位期间主要的研究成果第58-59页
致谢第59页

论文共59页,点击 下载论文
上一篇:基于广义S变换的分频AVO研究
下一篇:基于有限元理论对土质边坡稳定性影响因素的研究