《建筑结构人工智能实验分析环境》在基于实验数据和人工智能方法的建筑结构人工智能实验分析环境的概念基础上，创建了相应的集成分析系统。当一个新结构模型进入建筑结构人工智能实验分析环境时，该模型的行为或反应能够基于现有的实验数据和现场测量数据绘制出来。
　　《建筑结构人工智能实验分析环境》利用大量工程实例，阐述了建筑结构人工智能实验分析环境的各个组成部分与关键算法，为建筑结构建模与分析提供了有效的技术支撑，并提供了一些初步的思路。作者希望能抛砖引玉，引起各位专家、学者的深入研究。
　　《建筑结构人工智能实验分析环境》可作为土木工程、建筑设计等学科领域的研究人员及相关专业教师、研究生的参考书。

第1章 绪论
1．1 引言
1．2 应用现状
1．2．1 智能技术在国内土木工程领域的应用
1．2．2 智能技术在国外土木工程领域的应用
1．3 建筑结构人工智能实验分析环境的研究意义

第2章 建筑结构人工智能实验分析环境及其数据库与数据挖掘
2．1 建筑结构人工智能实验分析环境
2．1．1 建筑结构人工智能实验分析环境的概念
2．1．2 建筑结构人工智能实验分析环境的构成
2．2 建筑结构人工智能实验分析环境数据库
2．2．1 结构行为
2．2．2 标准化的结构行为
2．2．3 结构反应
2．3 知识发现方法

第3章 结构工作行为数值模式与结构构造状态数值模式
3．1 结构工作行为数值模式
3．1．1 结构工作行为数值模式概述
3．1．2 广义墙板矩阵及相似度
3．2 结构构造状态数值模式
3．2．1 细胞自动机模型
3．2．2 基于FEA的无量纲化模型

第4章 类似区域匹配准则与结构工作行为匹配准则
4．1 类似区域匹配准则1
4．1．1 数学表达
4．1．2 应用结果
4．1．3 结果分析
4．2 类似区域匹配准则2
4．2．1 数学表达
4．2．2 应用结果
4．2．3 结果分析
4．3 类似区域匹配准则3
4．3．1 数学表达
4．3．2 应用结果
4．3．3 结果分析
4．4．3 种类似区域匹配准则的比较
4．5 结构工作行为匹配准则

第5章 建筑结构人工智能实验分析环境的变异性预测功能
5．1 建筑结构人工智能实验分析环境的变异性预测功能简介
5．2 不考虑结构边界变异的结构构造与工作行为变异性描述
5．2．1 相似度曲线
5．2．2 相似度曲线包络线的回归分析
5．2．3 包络线系数的支持向量机模型
5．3 考虑结构边界变异的结构工作行为变异性描述
5．3．1 结构边界变异现象
5．3．2 边界变异参数分析

第6章 建筑结构人工智能实验分析环境中的神经网络模型
6．1 BP神经网络模型
6．1．1 神经网络模型的输入与输出
6．1．2 BP神经网络模型的建立
6．1．3 BP神经网络模型的应用
6．1．4 BP神经网络模型应用的精度分析
6．2 RBF神经网络模型
6．2．1 RBF神经网络模型的建立
6．2．2 RBF神经网络模型的应用
6．2．3 RBF神经网络模型应用的精度分析
6．3 RA神经网络模型
6．3．1 RA神经网络模型的建立
6．3．2 RA神经网络模型的应用
6．3．3 RA神经网络模型应用的精度分析

第7章 建筑结构人工智能实验分析环境的应用
7．1 基于结构的标准化工作模式和细胞自动机构造状态模式的预测实例1
7．2 基于结构的试验工作模式和细胞自动机构造状态模式的预测实例2
7．3 基于结构的试验工作模式和FEA无量纲化构造状态模式的预测实例3
7．4 基于结构的试验工作模式和细胞自动机构造状态模式的预测实例4
7．5 建筑结构人工智能实验分析环境预测实例讨论及与FEA结果对比
附录A 类似区域匹配准则1应用结果
附录B 类似区域匹配准则2应用结果
附录C 类似区域匹配准则3应用结果
参考文献