| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 研究的背景及现实意义 | 第9-10页 |
| 1.2 国内外的研究现状 | 第10-19页 |
| 1.2.1 氯离子扩散模型的理论研究 | 第10-12页 |
| 1.2.2 混凝土渗透性测定方法研究 | 第12-17页 |
| 1.2.3 人工神经网络在材料工程领域的研究现状 | 第17-19页 |
| 1.3 本文研究的主要内容 | 第19-21页 |
| 第二章 粉煤灰混凝土性能试验研究 | 第21-34页 |
| 2.1 试验用主要材料及配合比 | 第21-23页 |
| 2.1.1 水泥 | 第21页 |
| 2.1.2 粉煤灰 | 第21-22页 |
| 2.1.3 粗、细集料 | 第22页 |
| 2.1.4 水 | 第22页 |
| 2.1.5 减水剂 | 第22页 |
| 2.1.6 NaCl | 第22页 |
| 2.1.7 粉煤灰混凝土配合比 | 第22-23页 |
| 2.2 试验内容及方法 | 第23-27页 |
| 2.2.1 试件成型及养护 | 第23页 |
| 2.2.2 坍落度试验 | 第23-24页 |
| 2.2.3 抗压强度试验 | 第24-25页 |
| 2.2.4 粉煤灰混凝土氯离子扩散系数测定 | 第25-27页 |
| 2.3 试验结果分析 | 第27-32页 |
| 2.3.1 水胶比和粉煤灰掺量对混凝土坍落度的影响 | 第27-29页 |
| 2.3.2 水胶比和粉煤灰掺量对混凝土抗压强度的影响 | 第29-30页 |
| 2.3.3 水胶比和粉煤灰掺量对混凝土氯离子扩散系数的影响 | 第30-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第三章 运用 BP 神经网络预测混凝土氯离子扩散系数 | 第34-54页 |
| 3.1 人工神经网络的基本原理 | 第34-39页 |
| 3.1.1 人工神经网络简介 | 第34页 |
| 3.1.2 人工神经网络的基本单元 | 第34-35页 |
| 3.1.3 人工神经网络的拓扑结构 | 第35-36页 |
| 3.1.4 人工神经网络的学习与训练 | 第36-37页 |
| 3.1.5 人工神经网络的结构模型 | 第37-39页 |
| 3.2 BP 神经网络理论 | 第39-42页 |
| 3.2.1 BP 网络结构 | 第39页 |
| 3.2.2 BP 学习算法 | 第39-42页 |
| 3.3 MATLAB 神经网络工具箱 | 第42-43页 |
| 3.3.1 MATLAB 简介 | 第42页 |
| 3.3.2 MATLAB 神经网络工具箱 | 第42-43页 |
| 3.4 BP 网络设计 | 第43-50页 |
| 3.4.1 数据变换处理 | 第43-45页 |
| 3.4.2 网络结构的确定 | 第45-48页 |
| 3.4.3 网络传递函数的选取 | 第48-49页 |
| 3.4.4 网络的训练算法及参数 | 第49页 |
| 3.4.5 网络权值的初始化 | 第49-50页 |
| 3.4.6 网络收敛极小值的确定 | 第50页 |
| 3.5 粉煤灰混凝土氯离子扩散系数预测 | 第50-53页 |
| 3.5.1 BP 网络的训练与仿真 | 第50-52页 |
| 3.5.2 网络性能评价 | 第52-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第四章 运用 ANFIS 预测粉煤灰混凝土氯离子扩散系数 | 第54-78页 |
| 4.1 模糊分析基础 | 第54-58页 |
| 4.1.1 模糊关系 | 第54页 |
| 4.1.2 模糊关系的合成 | 第54页 |
| 4.1.3 模糊蕴含关系 | 第54-55页 |
| 4.1.4 模糊推理及其算法 | 第55-56页 |
| 4.1.5 模糊集合的隶属度函数 | 第56-57页 |
| 4.1.6 模糊基函数 | 第57-58页 |
| 4.2 自适应模糊神经推理系统 | 第58-61页 |
| 4.2.1 自适应网络 | 第58页 |
| 4.2.2 ANFIS 的模型结构 | 第58-61页 |
| 4.2.3 ANFIS 的混合学习算法 | 第61页 |
| 4.3 ANFIS 模型的建立与检测 | 第61-77页 |
| 4.3.1 ANFIS 模型建立的一般步骤 | 第61-70页 |
| 4.3.2 模型拟合能力的检测 | 第70-71页 |
| 4.3.3 模型预测能力的检测 | 第71页 |
| 4.3.4 网络的优化 | 第71-74页 |
| 4.3.5 输入变量与氯离子扩散系数的三维曲面图 | 第74-76页 |
| 4.3.6 两种预测模型的对比分析 | 第76-77页 |
| 4.4 本章小结 | 第77-78页 |
| 第六章 结论与展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 成果目录 | 第84-85页 |
| 致谢 | 第85页 |
