智能巖土工程導論

1緒論
1.1智能巖土力學產生的背景
1.1.1巖土工程面臨的新形勢
1.1.2以固體力學為基礎發(fā)展起來的巖土力學面臨的困難·
1.1.3人工智能的作用
1.1.4思維方式的轉變
1.2智能科學的若干基本理論
1.3人工智能技術在巖土工程中的應用·2群智能仿生優(yōu)化算法·
2.1模擬退火算法基本理論…
2.1.1模擬退火算法簡介…
2.1.2模擬退火算法實現(xiàn)·
2.2遺傳算法
2.2.1遺傳算法的基本思想
2.2.2遺傳算法的性
2.2.3遺傳算法的實現(xiàn)
2.2.4基本遺傳算法
2.2.5的遺傳算法
2.3粒子群優(yōu)化算法
2.3.1粒子群優(yōu)化算法原理
2.3.2基于SA和PSOA的函數(shù)測試
2.4粒子群-模擬退火混合優(yōu)化算法·
2.4.1標準粒子群優(yōu)化算法的研究現(xiàn)狀
2.4.2粒子群一模擬退火混合優(yōu)化算法的串行設計
2.5免疫克隆選擇算法
2.6群智能的優(yōu)勢及粒子群優(yōu)化算法特點
3人工神經網絡算法
3.1概論·
3.1.1神經元的一般模型
3.1.2人工神經網絡的特點
3.1.3人工神經網絡的學·
3.1.4人工神經網絡存在的主要問題
3.2BP神經網絡算法
3.3 PSO-BP神經網絡耦合算法…
3.4工程應用實例——隧道鉆爆施工光面爆破參數(shù)的優(yōu)化
3.4.1光面爆破參數(shù)優(yōu)化的數(shù)學模型
3.4.2光面爆破參數(shù)優(yōu)化數(shù)學模型的求解方法
3.4.3基于PSO-BP神經網絡耦合算法的嶺隧道光面爆破參數(shù)優(yōu)化·
3.4.4BP神經網絡樣本的獲取·
3.4.5隧道光面爆破輸入與輸出參數(shù)PSO-BP智能映射模型的建立——網絡…
3.4.6基于PSO-BP神經網絡耦合算法的隧道光面爆破參數(shù)優(yōu)化——模型求解
3.4.7基于PSO-BP神經網絡耦合算法的隧道光面爆破參數(shù)優(yōu)化——工程算例
4支持向量機算法及其在巖土工程領域的應用
4.1支持向量機產生的背景
4.2 機器學本問題和方法·
4.2.1機器學…
4.2.2統(tǒng)計學·
4.3支持向量機算·
4.3.1支持向量分類算法
4.3.2支持向量回歸算法
……
6人工智能技術在巖土工程中的綜合應用——公路隧道施工智能輔助決策系統(tǒng)的開發(fā)
6.1隧道施工監(jiān)測信息管理及反饋系統(tǒng)研究
6.1.1能體設計
6.1.2監(jiān)測信息管理系統(tǒng)設計
6.1.3系統(tǒng)數(shù)據(jù)庫設計
6.1.4系統(tǒng)界面設計
6.1.5系統(tǒng)后臺主體程序設計
6.2監(jiān)測數(shù)據(jù)回歸分析與反饋
6.2.1監(jiān)測數(shù)據(jù)的PSOA回歸分析
6.2.2監(jiān)測數(shù)據(jù)的PSOA回歸分析實例
6.2.3回歸函數(shù)的選擇
6.2.4含丟失位移的監(jiān)測數(shù)據(jù)回歸
6.2.5 圍巖穩(wěn)定性判斷準則
6.3基于PSO-BP神經網絡耦合算法的圍巖變形超前預報
6.4基于圍巖壓力監(jiān)測數(shù)據(jù)的初支穩(wěn)定性分析
6.4.1有限元分析基本原理
6.4.2有限元分析程序設計
6.4.3 嶺隧道圍巖壓力監(jiān)測有限元分析實例
6.5監(jiān)測數(shù)據(jù)分析與管理系統(tǒng)應用實例
6.5.1監(jiān)測數(shù)據(jù)錄入與存儲
6.5.2監(jiān)測數(shù)據(jù)回歸分析
6.5.3監(jiān)測數(shù)據(jù)時態(tài)曲線圖
6.5.4報表功能
6.5.5 監(jiān)測數(shù)據(jù)分析與預測專家?guī)?br />6.6公路隧道施工智能輔助決策系統(tǒng)研究
6.6.1能體設計
6.6.2隧道施工期圍巖快速分級模塊
6.6.3光面爆破工藝參數(shù)優(yōu)化模塊
參考文獻