| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第9-28页 |
| 1.1 引言 | 第9-10页 |
| 1.2 边坡稳定性的研究现状 | 第10-24页 |
| 1.2.1 边坡的破坏变形 | 第11-13页 |
| 1.2.1.1 边坡的变形类型 | 第11页 |
| 1.2.1.2 边坡破坏的基本类型 | 第11-12页 |
| 1.2.1.3 边坡变形破坏的地质力学模式 | 第12-13页 |
| 1.2.1.4 边坡稳定性的主要影响因素 | 第13页 |
| 1.2.2 边坡稳定性的分析方法 | 第13-24页 |
| 1.2.2.1 极限平衡分析方法 | 第13-22页 |
| 1.2.2.2 数值分析方法 | 第22-24页 |
| 1.2.2.3 人工智能方法 | 第24页 |
| 1.3 边坡稳定性分析方法的局限性及发展趋势 | 第24-25页 |
| 1.3.1 边坡稳定性评价方法的局限性 | 第24-25页 |
| 1.3.2 边坡稳定性研究的发展趋势 | 第25页 |
| 1.4 主要研究内容及技术路线 | 第25-28页 |
| 1.4.1 主要研究内容 | 第25-27页 |
| 1.4.2 技术路线 | 第27-28页 |
| 第2章 人工神经网络及遗传算法 | 第28-41页 |
| 2.0 人工神经网络概述 | 第28-29页 |
| 2.0.1 人工神经元 | 第28页 |
| 2.0.2 神经网络学习方式 | 第28-29页 |
| 2.0.3 神经网络连接模式 | 第29页 |
| 2.1 BP神经网络 | 第29-33页 |
| 2.1.1 BP神经网络结构 | 第29-30页 |
| 2.1.2 BP神经网络算法 | 第30-32页 |
| 2.1.3 BP神经网络的不足及改进 | 第32-33页 |
| 2.2 遗传算法 | 第33-39页 |
| 2.2.1 遗传算法概述 | 第33-34页 |
| 2.2.2 遗传算法的基本原理 | 第34页 |
| 2.2.3 遗传算法的基本步骤 | 第34-39页 |
| 2.2.3.1 基本步骤 | 第34页 |
| 2.2.3.2 遗传算法编码 | 第34-35页 |
| 2.2.3.3 遗传算法适应度函数 | 第35-36页 |
| 2.2.3.4 选择策略 | 第36-37页 |
| 2.2.3.5 遗传算法交叉及变异 | 第37-39页 |
| 2.2.4 结合遗传算法优化神经网络 | 第39页 |
| 2.3 本章小结 | 第39-41页 |
| 第3章 边坡样本的标准化处理及主成分分析 | 第41-49页 |
| 3.1 归一化 | 第41-45页 |
| 3.2 主成分分析（PCA） | 第45-46页 |
| 3.2.1 PCA的基本思想 | 第45页 |
| 3.2.2 PCA的数学原理 | 第45-46页 |
| 3.3 影响边坡稳定性因素间的相关性分析 | 第46-47页 |
| 3.4 基于MATLAB的主成分分析 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 遗传神经网络模型对边坡的预测 | 第49-61页 |
| 4.1 遗传神经网络的构建 | 第49-53页 |
| 4.1.1 BP神经网络的设计 | 第49-53页 |
| 4.2 采用遗传算法优化BP神经网络 | 第53-55页 |
| 4.3 模型对测试样本的预测 | 第55-56页 |
| 4.4 同GA-BP算法，RBF神经网络的对比分析 | 第56-60页 |
| 4.4.1 径向基（RBF）神经网络 | 第56-59页 |
| 4.4.2 结果分析 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 工程实例 | 第61-70页 |
| 5.1 工程概况 | 第61-66页 |
| 5.1.1 地理位置 | 第61页 |
| 5.1.2 地形地貌 | 第61-63页 |
| 5.1.3 地质构造条件 | 第63-66页 |
| 5.2 石景山区石门路边坡稳定性分析 | 第66-69页 |
| 5.2.1 选取参数及模型预测 | 第66-67页 |
| 5.2.2 FLAC3D数值模拟分析 | 第67-69页 |
| 5.2.3 结果对比分析 | 第69页 |
| 5.3 本章小结 | 第69-70页 |
| 结论与展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 附录 | 第75-82页 |
| 致谢 | 第82-83页 |
| 硕士研究生就读期间发表的论文 | 第83页 |