| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究的背景和意义 | 第10-11页 |
| ·研究的背景 | 第10-11页 |
| ·研究的意义 | 第11页 |
| ·研究现状 | 第11-13页 |
| ·支持向量机的研究现状 | 第11-12页 |
| ·管桩单桩极限承载力确定方法的研究现状 | 第12-13页 |
| ·研究目的和内容 | 第13-14页 |
| ·本文的研究目的 | 第13页 |
| ·本文的研究内容 | 第13-14页 |
| ·本文的技术路线 | 第14-16页 |
| 第2章 静压管桩的工作机理及单桩极限承载力影响因素分析 | 第16-25页 |
| ·静压管桩的优点与缺点 | 第16-17页 |
| ·静压管桩的工作机理 | 第17-18页 |
| ·桩侧阻力的歇后恢复性能 | 第17页 |
| ·桩端阻力 | 第17-18页 |
| ·静压管桩的挤土效应 | 第18-19页 |
| ·挤土效应的机理 | 第18页 |
| ·挤土效应对侧阻的影响 | 第18-19页 |
| ·静压管桩单桩极限承载力的的影响因素 | 第19-21页 |
| ·桩长、桩径以及长径比 | 第19页 |
| ·桩周土的性质 | 第19-20页 |
| ·桩身的材料强度 | 第20页 |
| ·终压力 | 第20-21页 |
| ·目前确定管桩单桩极限承载力的方法 | 第21-24页 |
| ·传统的计算方法 | 第21-23页 |
| ·人工神经网络学习算法 | 第23页 |
| ·支持向量机学习算法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 遗传算法-支持向量机理论 | 第25-38页 |
| ·支持向量机理论 | 第25-32页 |
| ·支持向量机的理论基础 | 第25-29页 |
| ·支持向量机的基本概念 | 第29-30页 |
| ·支持向量回归机 | 第30-32页 |
| ·遗传算法理论 | 第32-37页 |
| ·遗传算法的基本原理 | 第32-33页 |
| ·遗传算法的相关术语 | 第33-36页 |
| ·遗传算法的基本计算过程 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于GA-SVM 的静压管桩单桩极限承载力预测模型 | 第38-54页 |
| ·GA-SVM 算法设计 | 第38-41页 |
| ·GA-SVM 算法的基本思路 | 第38-39页 |
| ·GA-SVM 算法的实现步骤 | 第39-41页 |
| ·指标体系的建立 | 第41-42页 |
| ·指标体系构建的原则 | 第41页 |
| ·指标体系的构建 | 第41-42页 |
| ·样本的收集和预处理 | 第42-46页 |
| ·建立GA-SVM 预测模型 | 第46-48页 |
| ·核函数的选择 | 第46页 |
| ·GA-SVM 模型的建立 | 第46-48页 |
| ·建立SVM 预测模型 | 第48-49页 |
| ·模型预测结果的对比分析 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 结论与展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 作者简介及攻读硕士学位期间发表的论文 | 第59-60页 |