基于遗传算法的BP神经网络的土坝渗流场反演研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·大坝安全监测研究的目的和意义 | 第8-10页 |
| ·大坝安全监测的意义 | 第8页 |
| ·大坝安全监测的目的 | 第8-10页 |
| ·大坝安全监控分析 | 第10页 |
| ·大坝渗流监测 | 第10-11页 |
| ·渗流反分析 | 第11-13页 |
| ·本文的主要工作 | 第13-15页 |
| ·选题背景及目的 | 第13页 |
| ·本文研究的主要内容 | 第13-15页 |
| 2 BP神经网络介绍 | 第15-30页 |
| ·BP神经网络概述 | 第15-19页 |
| ·BP神经网络的发展概况 | 第15页 |
| ·BP神经网络的基本思想 | 第15-16页 |
| ·BP神经网络的基本算法 | 第16-18页 |
| ·BP网络的学习及其特点 | 第18-19页 |
| ·BP网络的设计与实现 | 第19-25页 |
| ·BP网络泛化能力的提高 | 第19-21页 |
| ·BP网络的Matlab仿真程序设计 | 第21-22页 |
| ·训练方法及其参数选择 | 第22-25页 |
| ·基于BP网络的渗透系数的反演 | 第25-30页 |
| ·BP网络反演渗透系数的可行性 | 第25-26页 |
| ·BP网络反演渗透系数的算法 | 第26页 |
| ·BP算法的计算流程 | 第26-30页 |
| 3 基于遗传算法的BP神经网络的介绍及编程 | 第30-52页 |
| ·遗传算法概述 | 第30-34页 |
| ·遗传算法的发展概况 | 第30-31页 |
| ·遗传算法的基本思想及特点 | 第31-32页 |
| ·遗传算法的理论基础 | 第32-34页 |
| ·遗传算法的设计与实现 | 第34-45页 |
| ·编码方式 | 第34-36页 |
| ·初始种群的生成 | 第36-37页 |
| ·适应度函数的确定 | 第37-40页 |
| ·遗传操作(genetic operation) | 第40-43页 |
| ·控制参数的设定 | 第43-44页 |
| ·遗传算法的计算流程 | 第44-45页 |
| ·GA-BP程序编制 | 第45-52页 |
| ·遗传算法与BP网络的结合 | 第45页 |
| ·基于遗传算法的BP神经网络的实现 | 第45-46页 |
| ·GA-BP程序实现流程 | 第46-52页 |
| 4 工程算例 | 第52-88页 |
| ·黄家畔工程 | 第52-62页 |
| ·黄家畔工程概况 | 第52页 |
| ·黄家畔监测资料 | 第52-55页 |
| ·黄家畔BP神经网络成果分析 | 第55-58页 |
| ·黄家畔基于遗传算法的BP神经网络成果分析 | 第58-62页 |
| ·古峁工程 | 第62-72页 |
| ·古峁工程概况 | 第62页 |
| ·古峁的监测资料 | 第62-65页 |
| ·古峁BP神经网络成果分析 | 第65-68页 |
| ·古峁基于遗传算法的BP神经网络成果分析 | 第68-72页 |
| ·福地水库工程 | 第72-88页 |
| ·福地水库工程概况 | 第72页 |
| ·福地水库监测资料 | 第72-75页 |
| ·福地BP神经网络成果分析 | 第75-78页 |
| ·福地基于遗传算法的BP神经网络成果分析 | 第78-88页 |
| 5 结论与展望 | 第88-90页 |
| ·结论 | 第88-89页 |
| ·展望 | 第89-90页 |
| 致谢 | 第90-91页 |
| 参考文献 | 第91-95页 |
| 附录 | 第95页 |
