基于BP神经网络的AM工法桩质量预测研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 AM 工法旋挖扩底灌注桩概述及特点 | 第10-12页 |
| 1.2.1 AM 工法旋挖扩底灌注桩概述 | 第10-11页 |
| 1.2.2 AM 工法桩特点 | 第11-12页 |
| 1.3 扩底桩国内外研究现状 | 第12-14页 |
| 1.3.1 单桩竖向承载力预测研究现状 | 第12-13页 |
| 1.3.2 桩身完整性预测研究现状 | 第13-14页 |
| 1.4 本文主要研究内容 | 第14-15页 |
| 第2章 影响 AM 工法桩质量的因素分析 | 第15-27页 |
| 2.1 扩底桩承载机理 | 第15-17页 |
| 2.1.1 桩-土体系荷载传递规律 | 第15-16页 |
| 2.1.2 扩底桩沉降变形规律 | 第16-17页 |
| 2.2 AM 工法桩质量预测指标 | 第17-19页 |
| 2.2.1 单桩竖向极限承载力 | 第17-18页 |
| 2.2.2 AM 工法桩身完整性 | 第18-19页 |
| 2.3 影响单桩竖向承载力因素的分析 | 第19-24页 |
| 2.3.1 持力土层因素分析 | 第19-20页 |
| 2.3.2 桩体因素分析 | 第20-21页 |
| 2.3.3 施工因素分析 | 第21-24页 |
| 2.3.4 时间和空间效应影响因素分析 | 第24页 |
| 2.4 影响桩身完整性的因素分析 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 BP 神经网络质量预测模型的建立 | 第27-39页 |
| 3.1 神经网络对桩基工程进行质量预测的可行性 | 第27页 |
| 3.2 人工神经网络基本理论 | 第27-30页 |
| 3.3 误差反传神经网络（BP） | 第30-32页 |
| 3.3.1 BP 神经网络概述 | 第30页 |
| 3.3.2 BP 算法的步骤 | 第30-32页 |
| 3.4 BP 神经网络的 Matlab 实现 | 第32-35页 |
| 3.4.1 BP 神经网络的构建 | 第33-34页 |
| 3.4.2 网络的参数设置 | 第34页 |
| 3.4.3 网络训练与仿真 | 第34页 |
| 3.4.4 求相对误差并显示误差曲线 | 第34-35页 |
| 3.5 质量预测指标体系的建立 | 第35页 |
| 3.6 AM 工法桩质量预测模型的建立 | 第35-38页 |
| 3.6.1 收集样本 | 第35-36页 |
| 3.6.2 样本数据的预处理 | 第36页 |
| 3.6.3 初始权值的选取 | 第36-37页 |
| 3.6.4 BP 神经网络模型的确立 | 第37-38页 |
| 3.6.5 网络的学习和检验 | 第38页 |
| 3.7 本章小结 | 第38-39页 |
| 第4章 AM 工法桩质量预测模型实现 | 第39-50页 |
| 4.1 工程概况 | 第39-41页 |
| 4.2 样本采集 | 第41-42页 |
| 4.3 数据处理 | 第42-44页 |
| 4.4 AM 工法桩质量预测模型的实现 | 第44-46页 |
| 4.4.1 网络结构及参数的选取 | 第44-45页 |
| 4.4.2 网络的训练结果 | 第45页 |
| 4.4.3 BP 神经网络模型预测结果 | 第45-46页 |
| 4.5 结果对比分析 | 第46-47页 |
| 4.6 线性回归分析 | 第47-49页 |
| 4.6.1 单桩竖向承载力线性回归分析 | 第47-48页 |
| 4.6.2 桩身完整性线性回归分析 | 第48-49页 |
| 4.7 本章小结 | 第49-50页 |
| 结论与展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录1 隐含层神经元节点数选择程序 | 第55-56页 |
| 附录2 预测模型部分程序 | 第56-58页 |
| 作者简介 | 第58-59页 |
