将一种机器学习算法——支持向量机引入到软岩工程支护设计领域,并根据问题需要提出了一种支持向量机回归算法且编制了相应的计算程序.工程算例证明,这种算法在学习样本数量很少的情况下就可以得到很高的预测精度,且具有推广性能好的优点,避免了人工神经元由于存在过学习问题而带来的网络参数难以确定的弊病,为类似工程的支护设计提供了一种新的途径

第一节试验设计原理 第二节随机数据的简单处理 第三节总体及其样本 第四节抽样分布

第一节 配对资料的符号秩和检验 （Wilcoxon配对法） 第三节 成组设计多样本比较的秩和检验（Kruskal-Wallis法） 第四节 样本间两两比较的秩和检验

本章在介绍概率论中最基本的两个概念——事件、概率的基础上，重点介绍生物科学研究中常用的几种随机变量的概率分布——正态分布、二项分布、波松分布以及样本平均数的抽样分布和t分布

第一节 概述 现况研究的概念 现况研究的特点与种类 现况研究的目的及应用范围 第二节 现况研究的设计与实施 明确调查的步骤 明确调查的目的 确定研究对象 现况研究方法 样本含量 收集资料的方法 现况研究的资料分析 现况研究的优缺点及偏倚控制

§4～1 事件与概率 §4～2 概率分布（probability distribuution） §4～3 正态分布 normal distribution（高斯分布） §4～4 二项分布 §4～6 样本平均数的抽样分布 §4～7 t分布

一、正确认识教育科研 二、研究问题的分解与细化 三、术语及核心概念的处理 四、教育研究中的变量关系 五、研究假设 六、文献综述的方法 七、研究设计 八、研究方式方法 九、研究问题的分析单位 十、样本容量与抽样方式

第一节 事件与概率 第二节 概率分布 第三节 正态分布 第四节 二项分布 第五节 波松分布 第六节 样本平均数的抽样分布 第七节 t分布

为了提高数值计算结果的可靠度,基于正交设计、差分法和人工神经网络建立了新的边坡岩体力学参数反分析方法.按照正交设计要求,选定反演参数的水平,确定数值模拟方案;用FLAC2D差分程序计算得出相应的神经网络分析样本;对RBF神经网络进行训练;利用现场监测位移,对某露天矿边坡岩体的力学参数进行神经网络反分析.反分析结果与理论值的误差很小,满足精度要求,表明该反分析方法的可行性和精确性

在可靠度指标的基础上引入了置信度指标,提出可靠度与置信度的双可靠性指标的安全系数概念,并根据可靠性理论推导出新计算公式.该公式考虑了实验数据样本容量的影响,给出了小子样实验数据条件下的安全系数取值.将新安全系数应用于结构可靠性设计,算例结果表明,与其他方法相比,此方法计算结果安全系数更合理,且简单实用,能满足结构可靠性设计的要求,可取得显著的减重效果