| 第一章 绪论 | 第1-14页 |
| §1-1 地基土液化研究现状 | 第9-11页 |
| 1-1-1 液化机理 | 第9页 |
| 1-1-2 液化的主要影响因素 | 第9页 |
| 1-1-3 液化的初判条件 | 第9页 |
| 1-1-4 液化的工程判别方法 | 第9-10页 |
| 1-1-5 液化危害性的评价 | 第10页 |
| 1-1-6 抗液化措施 | 第10-11页 |
| §1-2 人工神经网络概述 | 第11-12页 |
| 1-2-1 人工神经网络的基本特征 | 第11页 |
| 1-2-2 人工神经网络模型 | 第11-12页 |
| 1-2-3 神经网络的学习规则 | 第12页 |
| §1-3 本课题研究意义及内容 | 第12-14页 |
| 1-3-1 研究意义 | 第12页 |
| 1-3-2 研究内容 | 第12-14页 |
| 第二章 人工神经网络程序模块 | 第14-20页 |
| §2-1 多层前馈神经网络基本原理 | 第14-16页 |
| 2-1-1 BP网络的基本结构 | 第14页 |
| 2-1-2 BP网络的基本学习算法 | 第14-15页 |
| 2-1-3 BP网络的缺陷及改进 | 第15-16页 |
| §2-2 BP神经网络程序模块 | 第16-18页 |
| 2-2-1 Vogl快速算法 | 第16页 |
| 2-2-2 数据预处理 | 第16页 |
| 2-2-3 BP神经网络计算程序框图 | 第16-18页 |
| §2-3 径向基函数神经网络程序模块 | 第18-20页 |
| 2-3-1 径向基函数（RBF）网络的基本原理 | 第18页 |
| 2-3-2 径向基函数（RBF）网络的学习方法 | 第18-19页 |
| 2-3-3 径向基函数（RBF）网络的优点 | 第19-20页 |
| 第三章 遗传神经网络程序模块 | 第20-31页 |
| §3-1 简单遗传算法 | 第20-21页 |
| 3-1-1 简单遗传算法原理 | 第20页 |
| 3-1-2 简单遗传算法的程序框图 | 第20-21页 |
| §3-2 遗传算法的基本实现技术 | 第21-24页 |
| 3-2-1 编码方法 | 第21页 |
| 3-2-2 适应度函数 | 第21-22页 |
| 3-2-3 选择算子 | 第22页 |
| 3-2-4 交叉操作 | 第22-23页 |
| 3-2-5 变异操作 | 第23页 |
| 3-2-6 遗传算法的运行参数 | 第23-24页 |
| §3-3 遗传神经网络程序 | 第24-31页 |
| 3-3-1 遗传神经网络GA-BP的设计思想 | 第24页 |
| 3-3-2 遗传神经网络GA-BP的设计要点 | 第24-25页 |
| 3-3-3 遗传神经网络GA-BP程序框图 | 第25-31页 |
| 第四章 液化判别的神经网络计算方法与传统方法的比较评析 | 第31-44页 |
| §4-1 前言 | 第31页 |
| §4-2 液化判别的传统方法评析 | 第31-34页 |
| 4-2-1 几种常用液化判别方法评析 | 第31-33页 |
| 4-2-2 液化影响因素分析 | 第33-34页 |
| §4-3 人工神经网络在液化判别中的应用 | 第34-41页 |
| 4-3-1 数据的预处理 | 第34-36页 |
| 4-3-2 液化判别模型的建立 | 第36-40页 |
| 4-3-3 液化判别模型的评价 | 第40-41页 |
| §4-4 液化影响因素分析 | 第41-44页 |
| 第五章 液化等级评价的神经网络计算方法与传统方法的比较评析 | 第44-51页 |
| §5-1 液化等级评价的传统方法评析 | 第44-45页 |
| 5-1-1 液化指数法 | 第44页 |
| 5-1-2 计算震陷值h_p | 第44-45页 |
| 5-1-3 计算震陷值h_p和谱烈度比S_（al） | 第45页 |
| §5-2 人工神经网络在液化等级评价中的应用 | 第45-51页 |
| 5-2-1 数据的采集 | 第45-47页 |
| 5-2-2 液化等级评价模型的建立 | 第47-50页 |
| 5-2-3 液化等级评价模型的评价 | 第50-51页 |
| 第六章 结论 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间所取得的相关科研成果 | 第55页 |
