基于人工智能方法加筋土本构模型
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·概述 | 第10-11页 |
| ·加筋土本构模型国内外研究现状 | 第11-15页 |
| ·加筋土筋土分离本构模型 | 第11-12页 |
| ·加筋土筋土复合本构模型 | 第12-15页 |
| ·人工智能方法国内外研究现状 | 第15-19页 |
| ·人工神经网络的发展现状 | 第15-17页 |
| ·模糊理论的发展现状 | 第17-19页 |
| ·本文的主要研究内容 | 第19-20页 |
| 第2章 基于BP 神经网络草根加筋土本构模型研究 | 第20-36页 |
| ·概述 | 第20页 |
| ·BP 神经网络基本原理 | 第20-27页 |
| ·人工神经元模型 | 第20-21页 |
| ·处理单元的激活转移函数 | 第21-23页 |
| ·BP 神经网络结构 | 第23页 |
| ·BP 神经网络学习过程 | 第23-27页 |
| ·基于BP 神经网络加筋土本构模型 | 第27-35页 |
| ·试验简介 | 第27页 |
| ·试验结果 | 第27-29页 |
| ·BP 神经网络本构模型建模方案 | 第29-30页 |
| ·BP 神经网络模型的训练 | 第30-33页 |
| ·BP 神经网络模型的检验 | 第33页 |
| ·BP 神经网络模型预测结果 | 第33-35页 |
| ·小结 | 第35-36页 |
| 第3章 基于径向基神经网络草根加筋土本构模型研究 | 第36-54页 |
| ·概述 | 第36-37页 |
| ·径向基函数神经网络基本原理 | 第37-47页 |
| ·径向基函数 | 第37-38页 |
| ·径向基神经网络结构 | 第38-41页 |
| ·基于 LMS 算法的径向基神经网络设计 | 第41-43页 |
| ·基于 OLS 算法的径向基神经网络设计 | 第43-47页 |
| ·基于径向基函数神经网络草根加筋土本构模型 | 第47-53页 |
| ·训练样本规模对网络精度的影响 | 第47-50页 |
| ·训练误差控制对网络精度的影响 | 第50-52页 |
| ·RBF 神经网络模型预测结果 | 第52-53页 |
| ·小结 | 第53-54页 |
| 第4章 基于ANFIS 的草根加筋土本构模型研究 | 第54-75页 |
| ·概述 | 第54页 |
| ·自适应神经模糊推理系统基本原理 | 第54-68页 |
| ·模糊集合与隶属函数 | 第54-58页 |
| ·模糊推理系统 | 第58-62页 |
| ·自适应神经模糊推理系统 | 第62-68页 |
| ·基于自适应神经模糊推理系统草根加筋土本构模型 | 第68-73页 |
| ·ANFIS 模型建模方案 | 第68-69页 |
| ·ANFIS 模型的训练 | 第69-71页 |
| ·ANFIS 模型的检验 | 第71-72页 |
| ·ANFIS 模型预测结果 | 第72-73页 |
| ·小结 | 第73-75页 |
| 结论与展望 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 致谢 | 第82-83页 |
| 附录A(攻读学位期间所发表的学术论文) | 第83页 |
