| 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 |