摘要 | 第3-5页 |
ABSTRACT | 第5-6页 |
第一章 引言 | 第10-22页 |
1.1 问题的提出与研究意义 | 第10-11页 |
1.1.1 问题的提出 | 第10页 |
1.1.2 研究意义 | 第10-11页 |
1.2 国内外研究动态 | 第11-18页 |
1.3 论文的研究内容 | 第18-19页 |
1.4 研究的技术路线 | 第19-22页 |
第二章 试验条件与方案 | 第22-32页 |
2.1 河床砂卵石介质 | 第22-24页 |
2.1.1 试验所用砂卵石介质概述 | 第22-23页 |
2.1.2 黄河滩地砂卵石介质质地 | 第23-24页 |
2.1.3 试验所用砂卵石介质结构 | 第24页 |
2.2 试验方案 | 第24-28页 |
2.2.1 试验总体设计 | 第24-25页 |
2.2.2 黄河河床天然砂卵石介质中渗流特性试验的研究方案 | 第25-26页 |
2.2.3 同径砂卵石介质中渗流特性试验的研究方案 | 第26-27页 |
2.2.4 不同级配砂卵石介质中渗流特性试验的研究方案 | 第27页 |
2.2.5 砂卵石介质渗流模型参数预报模型的研究方案 | 第27-28页 |
2.3 试验仪器 | 第28-29页 |
2.3.1 砂卵石介质渗流试验装置 | 第28-29页 |
2.3.2 辅助试验仪器 | 第29页 |
2.4 试验方法 | 第29-32页 |
2.4.1 试验过程 | 第29-30页 |
2.4.2 所需物理量的测量 | 第30-32页 |
第三章 黄河滩地砂卵石介质渗流模型的研究 | 第32-46页 |
3.1 黄河河床天然砂卵石介质中渗流特性的试验研究 | 第32-35页 |
3.2 同径砂卵石介质中渗流特性的试验研究 | 第35-39页 |
3.3 不同级配砂卵石介质中渗流特性的试验研究 | 第39-43页 |
3.4 黄河滩地砂卵石介质渗流模型选择及模型参数的确定 | 第43页 |
3.5 小结 | 第43-46页 |
第四章 影响砂卵石介质非达西渗流模型参数的主要因素 | 第46-70页 |
4.1 砂卵石介质级配对模型参数的影响 | 第46-50页 |
4.1.1 砂卵石介质特征粒径指标与渗透率之间的关系 | 第47-48页 |
4.1.2 砂卵石介质特征粒径指标与惯性系数之间的关系 | 第48-50页 |
4.2 砂卵石介质曲率系数与模型参数之间的关系 | 第50-54页 |
4.2.1 砂卵石介质曲率系数与渗透率之间的关系 | 第50-52页 |
4.2.2 砂卵石介质曲率系数与惯性系数之间的关系 | 第52-54页 |
4.3 砂卵石介质不均匀系数与模型参数之间的关系 | 第54-63页 |
4.3.1 不均匀系数和限制粒径对模型参数的影响 | 第54-57页 |
4.3.2 不均匀系数和 d30对模型参数的影响 | 第57-60页 |
4.3.3 不均匀系数和曲率系数对模型参数的影响 | 第60-63页 |
4.4 砂卵石介质的有效孔隙率对模型参数的影响 | 第63-67页 |
4.5 小结 | 第67-70页 |
第五章 黄河滩地砂卵石介质非达西渗流模型参数预报模型 | 第70-100页 |
5.1 BP 神经网络模型简介 | 第70-71页 |
5.2 训练样本 | 第71-72页 |
5.2.1 训练样本选取原则 | 第71页 |
5.2.2 样本预处理 | 第71-72页 |
5.3 BP 神经网络模型初始化 | 第72-74页 |
5.3.1 算法的选择 | 第72-73页 |
5.3.2 隐含层 | 第73页 |
5.3.3 传递函数 | 第73-74页 |
5.3.4 输入层 | 第74页 |
5.3.5 输出层 | 第74页 |
5.4 BP 神经网络模型训练 | 第74-77页 |
5.4.1 学习率 | 第74-75页 |
5.4.2 最大训练次数 | 第75页 |
5.4.3 训练目标 | 第75页 |
5.4.4 Matlab 程序实现 | 第75-77页 |
5.5 BP 神经网络模型训练效果 | 第77-92页 |
5.5.1 预测渗透率的 BP 神经网络模型 | 第77-88页 |
5.5.2 预测惯性系数的 BP 模型 | 第88-92页 |
5.6 BP 神经网络模型泛化能力验证 | 第92-98页 |
5.7 小结 | 第98-100页 |
第六章 结论与展望 | 第100-104页 |
6.1 结论 | 第100-101页 |
6.2 展望 | 第101-104页 |
参考文献 | 第104-110页 |
致谢 | 第110-112页 |
硕士期间所获得的成果 | 第112页 |