机器学习方法与岩土工程应用

第1章 绪论
1.1 机器学习方法与应用
1.2 岩土工程数据及特点
1.3 机器学习岩土工程应用现状概述
1.4 本书的组织架构与内容概述
参考文献
第2章 人工神经网络
2.1 基本架构与组件
2.2 神经网络类别
2.3 前馈神经网络
2.3.1 网络结构
2.3.2 误差反向传播算法
2.4 卷积神经网络
2.4.1 网络架构
2.4.2 卷积层
2.4.3 池化层
2.4.4 全连接层
2.4.5 几点补充
2.5 网络优化原理
2.6 小结
参考文献
第3章 支持向量机
3.1 线性可分支持向量机与硬间隔 化
3.1.1 支持向量与分离超平面
3.1.2 决策边界
3.1.3 间隔超平面(硬间隔 化)
3.1.4 对偶算法
3.2 软间隔 化
3.2.1 线性支持向量机
3.2.2 对偶算法
3.2.3 合页损失函数
3.3 非线性可分支持向量机与核函数
3.3.1 非线性分类问题
3.3.2 核函数
3.4 支持向量机的两点说明
3.4.1 参数选取
3.4.2 缺陷
3.5 扩展
3.5.1 多分类SVM
3.5.2 支持向量回归
3.5.3 贝叶斯支持向量机
3.5.4 实现方法
3.6 小结
参考文献
第4章 随机森林
4.1 决策树
4.2 无序性与信息熵
4.3 集成学习
4.3.1 Bagging
4.3.2 从Bagging到随机森林
4.3.3 极限树
4.4 随机森林的特点
4.4.1 特征的重要性
4.4.2 随机森林与 邻近算法
4.5 核随机森林
4.5.1 基本概念
4.5.2 从随机森林到核随机森林
4.5.3 核随机森林的两点说明
4.6 本章小结
参考文献
第5章 土钉轴力神经网络模型
5.1 引言
5.2 土钉功能函数及FHWA土钉轴力与抗力模型
5.3 人工神经网络方法
5.4 实测土钉轴力总数据库
5.5 FHWA土钉轴力模型评价与校正
5.5.1 模型评价
……
第6章 基于机器学习的土钉墙水平位移计算方法
第7章 基于人工神经网络的软土力学性质预测
第8章 软计算在地下工程建设中的应用
第9章 基于机器学习的各向异性黏土双隧道衬砌响应预测
0章 基于贝叶斯优化的 梯度提升和随机森林方法预测不排水抗剪强度
1章 基于随机森林回归和多元自适应回归样条的预制桩可打性评估
2章 基于极限梯度提升和随机森林回归的各向异性黏土开挖支撑基底隆起稳定性评估
3章 预测土压平衡盾构引起地表沉降的软计算方法
4章 盾构隧道地面沉降分析和预测
5章 盾构隧道衬砌表观病害图像自动识别
附录1 总数据库土钉墙设计参数值及实测土钉轴力
附录2 ANN模型、RF模型和SVM模型的8个输入参数及水平位移实测值
附录3 深支撑开挖地下连续墙的平面应变有限元分析结果