混凝土面板堆石坝变形预测及反分析的神经网络方法
摘要 | 第1-7页 |
Abstract | 第7-15页 |
引言 | 第15-17页 |
第一章 概述 | 第17-27页 |
·混凝土面板堆石坝的发展与现状 | 第17-20页 |
·CFRD的早期阶段(1870~1940) | 第17-18页 |
·CFRD的过渡阶段(1940~1965) | 第18页 |
·CFRD的复苏阶段(1965~1988) | 第18-19页 |
·CFRD的现代阶段(1988年以后) | 第19页 |
·中国CFRD的发展 | 第19-20页 |
·现代混凝土面板堆石坝的特点 | 第20-23页 |
·薄层碾压堆石 | 第21-22页 |
·滑模浇筑面板混凝土 | 第22页 |
·薄型趾板 | 第22页 |
·级配垫层料 | 第22-23页 |
·混凝土面板堆石坝的优点 | 第23-25页 |
·安全性 | 第23-24页 |
·经济性 | 第24-25页 |
·适应性 | 第25页 |
·混凝土面板堆石坝变形问题研究的意义 | 第25-26页 |
·论文研究的主要内容 | 第26-27页 |
第二章 人工神经网络概论 | 第27-38页 |
·生物神经元与人工神经元 | 第27-29页 |
·生物神经元 | 第27-28页 |
·人工神经元 | 第28-29页 |
·人工神经网络的概念、模型及学习算法 | 第29-32页 |
·人工神经网络的基本概念及主要特征 | 第29-30页 |
·人工神经网络模型 | 第30-31页 |
·人工神经网络学习算法 | 第31-32页 |
·人工神经网络的发展及其应用 | 第32-38页 |
·人工神经网络的发展 | 第32-34页 |
·人工神经网络的应用范畴 | 第34-38页 |
第三章 混凝土面板堆石坝变形特性及计算方法 | 第38-53页 |
·堆石料的工程性质 | 第38-41页 |
·堆石料的级配特性 | 第38页 |
·堆石料压缩变形性质 | 第38-41页 |
·面板堆石坝的变形特性 | 第41-47页 |
·堆石体产生变形的原因 | 第41-43页 |
·影响堆石坝变形的因素 | 第43页 |
·堆石坝的沉降变形性态 | 第43-46页 |
·面板的挠曲变形性态 | 第46页 |
·周边缝的变位性态 | 第46-47页 |
·面板堆石坝变形的计算方法 | 第47-53页 |
·工程类比法 | 第48-49页 |
·有限单元法 | 第49-51页 |
·统计分析法 | 第51页 |
·简捷分析法 | 第51-53页 |
第四章 面板堆石坝变形分析的神经网络方法 | 第53-74页 |
·BP网络模型 | 第53-60页 |
·经典BP算法 | 第53-54页 |
·BP网络学习公式推导 | 第54-57页 |
·网络模型存在的问题及分析 | 第57页 |
·BP网络模型的改进 | 第57-60页 |
·BP网络在面板堆石坝变形分析中的应用 | 第60-71页 |
·坝体最大沉降值预测 | 第60-68页 |
·蓄水后面板最大挠度预测 | 第68-71页 |
·本章小结 | 第71-74页 |
·课题研究的意义及工程应用 | 第72页 |
·结论及体会 | 第72-74页 |
第五章 面板堆石坝反分析的神经网络方法 | 第74-104页 |
·概述 | 第74-77页 |
·邓肯E-B模型 | 第77-81页 |
·模型假定 | 第77-78页 |
·切线模量 | 第78-79页 |
·起始模量E_i | 第79页 |
·体积模量 | 第79-80页 |
·弹性矩阵 | 第80-81页 |
·实测变形量的分解 | 第81-89页 |
·变形分解模型 | 第81-82页 |
·实测变形量的分解 | 第82-89页 |
·坝体材料参数反分析的神经网络方法 | 第89-101页 |
·反演参数的确定 | 第90页 |
·材料参数反分析的神经网络模型 | 第90-91页 |
·网络训练样本 | 第91-99页 |
·材料参数反演 | 第99-101页 |
·本章小结 | 第101-104页 |
·课题研究的意义及工程应用 | 第101-102页 |
·结论及体会 | 第102-104页 |
第六章 结束语 | 第104-107页 |
·全文总结 | 第104-106页 |
·展望 | 第106-107页 |
参考文献 | 第107-114页 |
致谢 | 第114-115页 |
攻博期间发表的论文及获奖情况 | 第115页 |