| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 选题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 深基坑变形监测现状 | 第11-13页 |
| 1.2.2 深基坑变形预测现状 | 第13-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文结构安排 | 第16-18页 |
| 第2章 深基坑变形监测技术研究 | 第18-26页 |
| 2.1 深基坑变形机理分析 | 第18-19页 |
| 2.2 基坑监测目的 | 第19页 |
| 2.3 基坑监测内容 | 第19-21页 |
| 2.4 基坑监测方法 | 第21-24页 |
| 2.5 监测数据处理和分析 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 深基坑变形预测模型研究 | 第26-50页 |
| 3.1 灰色系统理论 | 第26-31页 |
| 3.1.1 灰生成及建模机理 | 第27-28页 |
| 3.1.2 GM(1,1)模型的建模过程 | 第28-29页 |
| 3.1.3 GM(1,1)模型精度检验 | 第29-30页 |
| 3.1.4 GM(1,1)模型误差来源分析 | 第30-31页 |
| 3.2 BP神经网络 | 第31-37页 |
| 3.2.1 人工神经网络 | 第31-32页 |
| 3.2.2 BP算法的理论推导 | 第32-34页 |
| 3.2.3 BP神经网络结构的设计 | 第34-36页 |
| 3.2.4 BP神经网络的优缺点 | 第36-37页 |
| 3.3 粒子群(PSO)算法 | 第37-41页 |
| 3.3.1 粒子群算法原理 | 第37-39页 |
| 3.3.2 粒子群算法参数分析 | 第39-40页 |
| 3.3.3 粒子群算法流程 | 第40-41页 |
| 3.4 粒子群优化的灰色、BP网络模型 | 第41-48页 |
| 3.4.1 PSO-GM(1,1)模型 | 第41-44页 |
| 3.4.2 PSOBP网络 | 第44-46页 |
| 3.4.3 PSO-BP网络和PSO-GM(1,1)模型组合预测 | 第46-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第4章 工程应用实例 | 第50-68页 |
| 4.1 工程概况 | 第50-51页 |
| 4.2 现场监测和数据选取 | 第51-54页 |
| 4.2.1 变形监测内容 | 第51-52页 |
| 4.2.2 监测报警程序 | 第52-53页 |
| 4.2.3 监测数据选取 | 第53-54页 |
| 4.3 支撑受力预测及分析 | 第54-61页 |
| 4.3.1 PSO-GM(1,1)模型预测 | 第54-56页 |
| 4.3.2 PSO-BP网络预测 | 第56-59页 |
| 4.3.3 PSO-BP和PSO-GM(1,1)组合预测 | 第59-61页 |
| 4.4 测斜数据预测及分析 | 第61-67页 |
| 4.4.1 PSO-GM(1,1)模型预测 | 第61-63页 |
| 4.4.2 PSO-BP网络预测 | 第63-65页 |
| 4.4.3 PSO-BP和PSO-GM(1,1)组合预测 | 第65-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 结论与展望 | 第68-70页 |
| 5.1 结论 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读学位期间发表的论文与科研成果清单 | 第74-76页 |
| 致谢 | 第76页 |
