| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 人工神经网络在边坡稳定性预测中的应用现状 | 第10-12页 |
| 1.2.2 BP神经网络改进研究现状 | 第12-14页 |
| 1.3 主要研究内容 | 第14页 |
| 1.4 研究技术路线 | 第14-16页 |
| 第二章 BP神经网络及改进算法 | 第16-26页 |
| 2.1 BP神经网络基本理论 | 第16-21页 |
| 2.1.1 BP神经网络简介 | 第16页 |
| 2.1.2 BP学习算法 | 第16-19页 |
| 2.1.3 BP神经网络设计与参数选取 | 第19-21页 |
| 2.1.4 BP神经网络缺陷 | 第21页 |
| 2.2 基于遗传算法的BP神经网络改进研究 | 第21-23页 |
| 2.3 基于LM算法的BP神经网络改进研究 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 改进BP神经网络算法的程序实现与考证 | 第26-48页 |
| 3.1 改进BP神经网络算法的实现流程 | 第26-30页 |
| 3.1.1 BP神经网络算法实现流程 | 第26-27页 |
| 3.1.2 GA-BP神经网路算法实现流程 | 第27-28页 |
| 3.1.3 LM-BP神经网络算法实现流程 | 第28-29页 |
| 3.1.4 GA-LM-BP神经网络算法实现流程 | 第29-30页 |
| 3.2 改进BP神经网络算法的程序实现 | 第30-33页 |
| 3.3 改进BP神经网络算法的程序考证 | 第33-47页 |
| 3.3.1 算例一 | 第33-40页 |
| 3.3.2 算例二 | 第40-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 工程应用 | 第48-64页 |
| 4.1 工程背景 | 第48-49页 |
| 4.1.1 工程概况 | 第48-49页 |
| 4.1.2 土层物理力学参数 | 第49页 |
| 4.2 边坡稳定性预测模型的建立 | 第49-50页 |
| 4.3 预测模型样本数据获取与处理 | 第50-57页 |
| 4.3.1 计算方法 | 第50-51页 |
| 4.3.2 计算方案 | 第51-53页 |
| 4.3.3 计算模型 | 第53-54页 |
| 4.3.4 计算结果 | 第54-57页 |
| 4.4 预测模型训练与检验 | 第57-58页 |
| 4.5 降雨条件下边坡稳定性预测 | 第58-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第五章 结论与展望 | 第64-66页 |
| 5.1 结论 | 第64页 |
| 5.2 展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 附录A (攻读学位期间发表论文目录) | 第70-71页 |
| 附录B (攻读学位期间参与课题目录) | 第71页 |