長(zhǎng)期以來(lái),在結(jié)構(gòu)工程領(lǐng)域,為了精確分析各種工程結(jié)構(gòu)的工作性能和反應(yīng),人們提出和引入了各種分析理論及方法,并與時(shí)俱進(jìn)地不斷改進(jìn),使有限元為代表的結(jié)構(gòu)數(shù)值模擬分析技術(shù)日漸強(qiáng)大。但是,兩個(gè)顯而易見(jiàn)的問(wèn)題一直在挑戰(zhàn)目前的結(jié)構(gòu)分析理論與方法:一是結(jié)構(gòu)分析理論與方法,無(wú)論是經(jīng)驗(yàn)公式還是被廣泛應(yīng)用的有限元分析方法,都是建立在一定的基本假設(shè)基礎(chǔ)之上,這使得結(jié)構(gòu)的數(shù)值模擬結(jié)果與結(jié)構(gòu)的實(shí)際工作性能與反應(yīng)之間具有天然的缺欠,在許多復(fù)雜工程結(jié)構(gòu)分析中誤差太大、甚至失效。二是長(zhǎng)期積累的數(shù)量巨大的現(xiàn)有試驗(yàn)數(shù)據(jù)僅用于回歸分析或檢測(cè)數(shù)值模擬精度,而這些數(shù)據(jù)中所包含的大量關(guān)于結(jié)構(gòu)工作性能與反應(yīng)的寶貴信息沒(méi)有被充分發(fā)掘出來(lái)并加以利用,無(wú)形中造成了巨大浪費(fèi)。因此,若想避免由基本假設(shè)引進(jìn)的誤差,提高結(jié)構(gòu)分析的精度和有效性,則需尋找能夠直接從結(jié)構(gòu)的實(shí)際工作行為/反應(yīng)出發(fā),預(yù)測(cè)新結(jié)構(gòu)工作行為/反應(yīng)的結(jié)構(gòu)分析方法;而試驗(yàn)數(shù)據(jù)的充分利用,則需要發(fā)展行之有效的從現(xiàn)有試驗(yàn)數(shù)據(jù)進(jìn)行知識(shí)挖掘的方法。（1）為了解決上述問(wèn)題,本文在實(shí)驗(yàn)數(shù)據(jù)和人工智能方法的“建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境（AIEESA）”的概念基礎(chǔ)上,創(chuàng)建了相應(yīng)的集成分析系統(tǒng)�！�... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：169 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及研究的目的和意義
        1.1.1 傳統(tǒng)結(jié)構(gòu)分析技術(shù)的缺陷
        1.1.2 智能技術(shù)用于結(jié)構(gòu)分析的優(yōu)勢(shì)與困難
        1.1.3 研究課題的目的和意義
    1.2 國(guó)內(nèi)外智能技術(shù)在土木工程領(lǐng)域應(yīng)用
        1.2.1 國(guó)內(nèi)智能技術(shù)在土木工程領(lǐng)域的應(yīng)用
        1.2.2 國(guó)外智能技術(shù)在土木工程領(lǐng)域的應(yīng)用
    1.3 研究過(guò)程中提出的問(wèn)題
    1.4 本文研究的主要內(nèi)容
第2章 建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境及其數(shù)據(jù)庫(kù)與數(shù)據(jù)挖掘
    2.1 引言
    2.2 建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境
        2.2.1 建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境的概念
        2.2.2 建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境構(gòu)成
        2.2.3 建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境涉及的研究課題
    2.3 建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境數(shù)據(jù)庫(kù)
        2.3.1 結(jié)構(gòu)行為
        2.3.2 標(biāo)準(zhǔn)化的結(jié)構(gòu)行為
        2.3.3 結(jié)構(gòu)反應(yīng)
    2.4 知識(shí)發(fā)現(xiàn)方法
    2.5 本章小結(jié)
第3章 結(jié)構(gòu)工作行為與結(jié)構(gòu)構(gòu)造狀態(tài)數(shù)值模式
    3.1 引言
    3.2 結(jié)構(gòu)工作行為數(shù)值模式
        3.2.1 結(jié)構(gòu)工作行為數(shù)值模式
        3.2.2 廣義墻板矩陣及相似度
    3.3 結(jié)構(gòu)構(gòu)造狀態(tài)數(shù)值模式
        3.3.1 細(xì)胞自動(dòng)機(jī)模型
        3.3.2 基于FEA 的無(wú)量綱化模型
    3.4 本章小結(jié)
第4章 類似區(qū)域與結(jié)構(gòu)工作行為匹配準(zhǔn)則
    4.1 引言
    4.2 類似區(qū)域匹配準(zhǔn)則1
        4.2.1 數(shù)學(xué)表達(dá)
        4.2.2 應(yīng)用結(jié)果
        4.2.3 結(jié)果分析
    4.3 類似區(qū)域匹配準(zhǔn)則2
        4.3.1 數(shù)學(xué)表達(dá)
        4.3.2 應(yīng)用結(jié)果
        4.3.3 結(jié)果分析
    4.4 類似區(qū)域匹配準(zhǔn)則3
        4.4.1 數(shù)學(xué)表達(dá)
        4.4.2 應(yīng)用結(jié)果
        4.4.3 結(jié)果分析
    4.5 三種類似區(qū)域類似區(qū)域匹配準(zhǔn)則的比較
    4.6 行為匹配準(zhǔn)則
    4.7 本章小結(jié)
第5章 建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境的變異性預(yù)測(cè)功能
    5.1 引言
    5.2 建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境的變異性預(yù)測(cè)功能介紹
    5.3 不考慮結(jié)構(gòu)邊界變異的結(jié)構(gòu)構(gòu)造與工作行為變異性描述
        5.3.1 相似度曲線
        5.3.2 相似度曲線包絡(luò)線的回歸分析
        5.3.3 包絡(luò)線系數(shù)的支持向量機(jī)模型
    5.4 考慮結(jié)構(gòu)邊界變異的結(jié)構(gòu)工作行為變異性描述
        5.4.1 結(jié)構(gòu)邊界變異現(xiàn)象
        5.4.2 邊界變異參數(shù)分析
    5.5 本章小結(jié)
第6章 建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境中神經(jīng)網(wǎng)絡(luò)模型
    6.1 引言
    6.2 BP 神經(jīng)網(wǎng)絡(luò)模型
        6.2.1 神經(jīng)網(wǎng)絡(luò)模型的輸入與輸出
        6.2.2 BP 神經(jīng)網(wǎng)絡(luò)模型的建立
        6.2.3 BP 神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用
        6.2.4 BP 神經(jīng)網(wǎng)絡(luò)模型應(yīng)用的精度分析
    6.3 RBF 神經(jīng)網(wǎng)絡(luò)模型
        6.3.1 RBF 神經(jīng)網(wǎng)絡(luò)模型的建立
        6.3.2 RBF 神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用
        6.3.3 RBF 神經(jīng)網(wǎng)絡(luò)模型應(yīng)用的精度分析
    6.4 RA 神經(jīng)網(wǎng)絡(luò)模型
        6.4.1 RA 神經(jīng)網(wǎng)絡(luò)模型的建立
        6.4.2 RA 神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用
        6.4.3 RA 神經(jīng)網(wǎng)絡(luò)模型應(yīng)用的精度分析
    6.5 建筑結(jié)構(gòu)人工智能實(shí)驗(yàn)分析環(huán)境的應(yīng)用
        6.5.1 基于結(jié)構(gòu)的標(biāo)準(zhǔn)化工作模式和CA 構(gòu)造狀態(tài)模式的預(yù)測(cè)實(shí)例1
        6.5.2 基于結(jié)構(gòu)的試驗(yàn)工作模式和CA 構(gòu)造狀態(tài)模式的預(yù)測(cè)實(shí)例2
        6.5.3 基于結(jié)構(gòu)的試驗(yàn)工作模式和FEA 無(wú)量綱化構(gòu)造狀態(tài)模式的預(yù)測(cè)實(shí)例3
        6.5.4 基于結(jié)構(gòu)的試驗(yàn)工作模式和CA 構(gòu)造狀態(tài)模式的預(yù)測(cè)實(shí)例4
        6.5.5 AIEESA 預(yù)測(cè)實(shí)例討論及與有限元結(jié)果對(duì)比
    6.6 本章小結(jié)
結(jié)論
附錄A 類似區(qū)域匹配準(zhǔn)則1 應(yīng)用結(jié)果
附錄B 類似區(qū)域匹配準(zhǔn)則2 應(yīng)用結(jié)果
附錄C 類似區(qū)域匹配準(zhǔn)則3 應(yīng)用結(jié)果
參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表的論文及其它成果
致謝
個(gè)人簡(jiǎn)歷


【參考文獻(xiàn)】：
期刊論文
[1]裂隙花崗巖各向異性蠕變特性研究[J]. 潘鵬志,馮夏庭,申林方,楊金保,周輝.  巖石力學(xué)與工程學(xué)報(bào). 2011(01)
[2]單層球面網(wǎng)殼地震荷載下破壞模式的細(xì)胞自動(dòng)機(jī)預(yù)測(cè)[J]. 翟永梅,崔志剛.  力學(xué)季刊. 2010(03)
[3]混凝土結(jié)構(gòu)鋼筋銹蝕率BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型[J]. 冷艷玲,張勁泉,毛燕.  西部交通科技. 2010(05)
[4]基于小波神經(jīng)網(wǎng)絡(luò)的錨桿-圍巖結(jié)構(gòu)系統(tǒng)的識(shí)別[J]. 陳建功,李昕,張永興.  煤炭學(xué)報(bào). 2009(10)
[5]基于神經(jīng)網(wǎng)絡(luò)的混凝土梁斜裂縫寬度預(yù)測(cè)[J]. 李艷艷,戎賢,喬金麗,皮鳳梅.  河北工業(yè)大學(xué)學(xué)報(bào). 2009(04)
[6]基于BP人工神經(jīng)網(wǎng)絡(luò)的凍土融沉系數(shù)預(yù)測(cè)方法研究[J]. 王效賓,楊平.  森林工程. 2008(05)
[7]基于神經(jīng)網(wǎng)絡(luò)的高溫下(后)預(yù)應(yīng)力損失分析[J]. 薛蘇泉,袁廣林,呂志濤.  武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版). 2008(03)
[8]基于多分支神經(jīng)網(wǎng)絡(luò)的深基坑變形多點(diǎn)預(yù)測(cè)[J]. 周先存,常光明,劉仁金.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(05)
[9]古建筑木質(zhì)結(jié)構(gòu)物理性質(zhì)變化預(yù)測(cè)[J]. 安彧,尚濤.  武漢大學(xué)學(xué)報(bào)(工學(xué)版). 2008(02)
[10]開(kāi)挖損傷區(qū)近場(chǎng)模型THM耦合過(guò)程的BMT模擬[J]. 潘鵬志,馮夏庭,周輝.  巖石力學(xué)與工程學(xué)報(bào). 2007(12)

博士論文
[1]基于實(shí)驗(yàn)數(shù)據(jù)挖掘與細(xì)胞自動(dòng)機(jī)的結(jié)構(gòu)分析方法[D]. 張瑀.哈爾濱工業(yè)大學(xué) 2010

碩士論文
[1]預(yù)測(cè)砌體墻板破壞模式的支持向量機(jī)方法[D]. 闞紹德.哈爾濱工業(yè)大學(xué) 2008



本文編號(hào)：3021655