基于遗传算法和神经网络的水下隧道涌水量预测研究
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-17页 |
| ·研究背景和意义 | 第10-11页 |
| ·论文的研究背景 | 第10页 |
| ·论文的研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·水下隧道渗流场分析和涌水量预测研究现状 | 第11-13页 |
| ·神经网络和遗传算法工程应用的研究现状 | 第13-15页 |
| ·论文的研究内容和研究方法 | 第15页 |
| ·论文的研究内容 | 第15页 |
| ·论文的研究方法 | 第15页 |
| ·论文的技术路线 | 第15-17页 |
| 第2章 水下隧道涌水量影响因素分析 | 第17-26页 |
| ·依托工程概况 | 第17-20页 |
| ·地理位置 | 第17-18页 |
| ·工程地质条件及水文地质条件 | 第18-19页 |
| ·工程施工 | 第19-20页 |
| ·水下隧道涌水量影响因素 | 第20-22页 |
| ·影响因素的选取 | 第22-25页 |
| ·选取影响因素的准则 | 第22-23页 |
| ·影响因素的取值 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 BP神经网络和遗传算法理论基础 | 第26-36页 |
| ·BP神经网络 | 第26-30页 |
| ·BP神经网络的结构 | 第26-27页 |
| ·BP神经网络的学习过程 | 第27页 |
| ·BP神经网络学习公式推导 | 第27-30页 |
| ·遗传算法 | 第30-33页 |
| ·遗传算法的基本思想 | 第30页 |
| ·遗传算法的特征 | 第30-31页 |
| ·遗传算法的步骤 | 第31页 |
| ·遗传算法的实现技术 | 第31-33页 |
| ·遗传算法与BP神经网络的结合 | 第33-36页 |
| ·遗传算法与BP网络结合的可行性 | 第33页 |
| ·遗传算法与BP网络结合的方式 | 第33-36页 |
| 第4章 基于遗传神经网络的水下隧道涌水量的预测 | 第36-48页 |
| ·MATLAB简介 | 第36页 |
| ·基于BP神经网络的水下隧道涌水量的预测 | 第36-41页 |
| ·预测流程 | 第36-37页 |
| ·样本数据的选择与组织 | 第37-38页 |
| ·网络结构和参数的确定 | 第38-39页 |
| ·网络的训练与测试 | 第39-41页 |
| ·基于遗传神经网络的水下隧道涌水量的预测 | 第41-47页 |
| ·预测流程 | 第42页 |
| ·遗传操作和参数设定 | 第42-43页 |
| ·网络优化 | 第43-47页 |
| ·仿真结果对比分析 | 第47页 |
| ·本章小结 | 第47-48页 |
| 结论与展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录 | 第55-56页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第56页 |
