小仟隧道围岩参数智能反分析及施工应用研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-22页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 位移反分析方法综述 | 第13-19页 |
| 1.2.1 国内外的研究现状 | 第13-16页 |
| 1.2.2 位移反分析法的分类 | 第16-18页 |
| 1.2.3 位移反分析法存在的问题 | 第18-19页 |
| 1.3 主要研究内容和技术路线 | 第19-22页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 技术路线 | 第20-22页 |
| 2 小仟隧道工程概况与监控量测 | 第22-40页 |
| 2.1 小仟隧道的工程概况 | 第22-25页 |
| 2.1.1 基本情况 | 第22页 |
| 2.1.2 地形地貌 | 第22页 |
| 2.1.3 工程地质 | 第22-23页 |
| 2.1.4 水文地质 | 第23页 |
| 2.1.5 地震动参数 | 第23页 |
| 2.1.6 隧道设计 | 第23-25页 |
| 2.2 隧道现场监控量测 | 第25-30页 |
| 2.2.1 监测目的及意义 | 第25-26页 |
| 2.2.2 监测方案 | 第26-29页 |
| 2.2.3 监测数据采集 | 第29-30页 |
| 2.3 监测数据处理分析 | 第30-36页 |
| 2.3.1 监测数据处理方法 | 第30-31页 |
| 2.3.2 拱顶沉降分析 | 第31-33页 |
| 2.3.3 水平收敛分析 | 第33-36页 |
| 2.4 围岩变形施工管理基准 | 第36-37页 |
| 2.4.1 允许位移值施工管理 | 第36-37页 |
| 2.4.2 位移速率施工管理 | 第37页 |
| 2.5 本章小结 | 第37-40页 |
| 3 小仟隧道模型的建立与参数敏感性分析 | 第40-52页 |
| 3.1 MIDAS GTS NX | 第40页 |
| 3.2 小仟隧道数值模型的建立 | 第40-42页 |
| 3.2.1 模型范围 | 第40页 |
| 3.2.2 边界条件 | 第40页 |
| 3.2.3 本构模型 | 第40-41页 |
| 3.2.4 计算参数的确定 | 第41-42页 |
| 3.3 围岩参数的敏感性分析 | 第42-50页 |
| 3.3.1 待反参数的敏感性 | 第42-43页 |
| 3.3.2 正交试验设计与分析方法原理 | 第43-45页 |
| 3.3.3 正交数值试验设计 | 第45-47页 |
| 3.3.4 试验结果极差分析 | 第47-48页 |
| 3.3.5 试验结果方差分析 | 第48-50页 |
| 3.3.6 参数敏感性分析结果 | 第50页 |
| 3.4 本章小结 | 第50-52页 |
| 4 基于BP神经网络的围岩参数位移智能反分析 | 第52-70页 |
| 4.1 人工神经网络概述 | 第52-57页 |
| 4.1.1 基于神经网络的位移智能反分析原理 | 第52-53页 |
| 4.1.2 BP神经网络基本原理 | 第53-56页 |
| 4.1.3 BP神经网络的不足与改进 | 第56-57页 |
| 4.2 BP神经网络模型的建立 | 第57-59页 |
| 4.2.1 输入层和输出层的节点数 | 第57页 |
| 4.2.2 隐含层的节点数选择 | 第57-58页 |
| 4.2.3 网络层数的确定 | 第58页 |
| 4.2.4 传递函数的选择 | 第58-59页 |
| 4.2.5 训练算法与学习速率的设置 | 第59页 |
| 4.3 BP神经网络位移智能反分析过程的实现 | 第59-68页 |
| 4.3.1 构造网络训练样本和测试样本 | 第60-63页 |
| 4.3.2 BP神经网络模型的训练 | 第63-65页 |
| 4.3.3 BP神经网络模型的检验 | 第65-67页 |
| 4.3.4 参数反分析结果 | 第67-68页 |
| 4.3.5 反分析结果分析 | 第68页 |
| 4.4 本章小结 | 第68-70页 |
| 5 隧道施工动态模拟与开挖方法分析 | 第70-82页 |
| 5.1 隧道施工动态模拟分析 | 第70-74页 |
| 5.1.1 隧道开挖模型建立 | 第70-71页 |
| 5.1.2 拱顶沉降位移分析 | 第71-72页 |
| 5.1.3 水平收敛位移分析 | 第72-74页 |
| 5.2 隧道开挖方法对比分析 | 第74-80页 |
| 5.2.1 不同开挖进尺的施工模拟 | 第74-78页 |
| 5.2.2 台阶法施工模拟 | 第78-80页 |
| 5.3 本章小结 | 第80-82页 |
| 6 结论与展望 | 第82-84页 |
| 6.1 结论 | 第82-83页 |
| 6.2 展望 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第88-92页 |
| 学位论文数据集 | 第92页 |
