| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第一章 绪论 | 第13-28页 |
| ·问题的提出 | 第13-14页 |
| ·国内外研究现状分析 | 第14-27页 |
| ·软土的基本概念 | 第14-15页 |
| ·软土鉴定 | 第15-16页 |
| ·软土的成因类型及分布情况 | 第16-17页 |
| ·软土的主要工程特性 | 第17-18页 |
| ·沉降量计算与预测方法研究现状 | 第18-24页 |
| ·沉降量的理论计算方法 | 第19-20页 |
| ·根据沉降观测资料来预测最终沉降量的方法 | 第20-23页 |
| ·GRNN神经网络模型的提出 | 第23-24页 |
| ·软土路基处理方法研究现状 | 第24-26页 |
| ·软基加固方案决策及优选方法研究现状 | 第26-27页 |
| ·论文的主要研究内容及研究思路 | 第27-28页 |
| ·论文的研究内容 | 第27页 |
| ·论文的研究思路 | 第27-28页 |
| 第二章 神经网络 | 第28-35页 |
| ·神经网络的概述 | 第28页 |
| ·神经网络的基本原理 | 第28-31页 |
| ·生物神经元的模型 | 第28-29页 |
| ·人工神经元模型 | 第29-31页 |
| ·神经网络的特征 | 第31-32页 |
| ·神经网络的分类 | 第32-34页 |
| ·神经网络在实际中的应用 | 第34-35页 |
| 第三章 基于G RNN神经网络的软基沉降预测 | 第35-58页 |
| ·概述 | 第35页 |
| ·广义回归神经网络 | 第35-39页 |
| ·GRNN的理论基础 | 第35-36页 |
| ·GRNN网络的网络结构 | 第36-39页 |
| ·广义回归神经网络在软基沉降量预测中的可行性分析 | 第39-40页 |
| ·GRNN神经网络预测沉降量的理论分析 | 第39-40页 |
| ·GRNN神经网络模型预测软基沉降量的MATLAB实现 | 第40页 |
| ·广义回归神经网络模型的建立 | 第40-47页 |
| ·影响因子的选择 | 第41-45页 |
| ·样本数据的帅选 | 第45-47页 |
| ·GRNN神经网络的训练与预测 | 第47-54页 |
| ·训练数据的输入、分类和归一化 | 第47-48页 |
| ·GRNN网络的建立和最佳SPREAD值探索 | 第48-50页 |
| ·以最佳SPREAD值重建GRNN网络并与BP网络进行对比分析 | 第50-53页 |
| ·GRNN网络的训练与预测 | 第50-51页 |
| ·BP神经网络的训练与预测 | 第51页 |
| ·GRNN网络与BP网络的对比分析 | 第51-53页 |
| ·GRNN网络与BP网络的检验结果对比分析 | 第53-54页 |
| ·小样本训练GRNN网络 | 第54-57页 |
| ·小样本的训练 | 第54-56页 |
| ·分析小样本的检测和 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第四章 基于PNN网络的软基处理方案智能决策模型 | 第58-76页 |
| ·概述 | 第58页 |
| ·PNN神经网络 | 第58-61页 |
| ·通常贝叶斯(Bayes)决策 | 第58-59页 |
| ·最小风险的贝叶斯决策 | 第59-60页 |
| ·概率密度函数(PDF) | 第60-61页 |
| ·概率神经网络模型的数学描述 | 第61页 |
| ·PNN神经网络模型 | 第61-66页 |
| ·PNN神经网络层次模型 | 第61-63页 |
| ·PNN神经网络结构 | 第63-64页 |
| ·PNN网络与BP网络的函数对比及PNN网络的MATLAB实现 | 第64-66页 |
| ·PNN网络函数及MATLAB实现 | 第64-65页 |
| ·BP网络函数 | 第65-66页 |
| ·PNN网络与BP网络的对比分析 | 第66页 |
| ·基于PNN神经网络的软基加固方案评价模型 | 第66-68页 |
| ·软基处理方案评价的PNN模型 | 第66页 |
| ·软基加固处理方案评价模型的特征参数的选取 | 第66-68页 |
| ·PNN神经网络模型的实现和应用举例 | 第68-75页 |
| ·模型的实现 | 第68页 |
| ·应用举例 | 第68-71页 |
| ·PNN神经网络软基处理方案评价分析 | 第71-75页 |
| ·本章小结 | 第75-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83页 |
