无砟轨道路基沉降预测方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 路基沉降评估技术发展现状 | 第11-14页 |
| 1.2.1 固结理论法 | 第11-12页 |
| 1.2.2 系统理论法 | 第12-14页 |
| 1.3 课题来源及研究内容 | 第14-15页 |
| 1.3.1 课题来源 | 第14页 |
| 1.3.2 本文主要工作 | 第14-15页 |
| 第2章 路基沉降常规模型 | 第15-34页 |
| 2.1 路基沉降原理 | 第15-16页 |
| 2.1.1 沉降原理 | 第15-16页 |
| 2.1.2 评价标准 | 第16页 |
| 2.2 常规沉降预测算法 | 第16-31页 |
| 2.2.1 双曲线法 | 第17-20页 |
| 2.2.2 三点法 | 第20-22页 |
| 2.2.3 Asaoka 法 | 第22-26页 |
| 2.2.4 GM 灰度算法 | 第26-29页 |
| 2.2.5 Verhulst 法 | 第29-31页 |
| 2.3 结果验证与分析 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于神经网络的路基沉降预测模型 | 第34-46页 |
| 3.1 BP 网络的基本结构和算法 | 第34-40页 |
| 3.1.1 BP 网络的原理 | 第34-35页 |
| 3.1.2 经典 BP 网络的缺陷 | 第35-37页 |
| 3.1.3 BP 神经网络的改进 | 第37-40页 |
| 3.2 BP 网络的沉降预测模型 | 第40-42页 |
| 3.2.1 路基沉降机理 | 第40-41页 |
| 3.2.2 BP 网络模型建立 | 第41-42页 |
| 3.2.3 BP 网络模型设计 | 第42页 |
| 3.3 结果验证与分析 | 第42-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第4章 基于支持向量机的路基沉降预测模型 | 第46-57页 |
| 4.1 支持向量机原理 | 第46-52页 |
| 4.1.1 最优分类面 | 第46-48页 |
| 4.1.2 支持向量机与核函数 | 第48-50页 |
| 4.1.3 支持向量机回归 | 第50-52页 |
| 4.2 支持向量机的沉降预测模型 | 第52-54页 |
| 4.2.1 支持向量机回归模型建立 | 第52-53页 |
| 4.2.2 Libsvm 介绍 | 第53-54页 |
| 4.3 结果验证与分析 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 工程分析 | 第57-62页 |
| 5.1 工程实例 | 第57-60页 |
| 5.2 本章小结 | 第60-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |
