| 致谢 | 第1-6页 |
| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-14页 |
| 1 绪论 | 第14-28页 |
| ·论文研究意义 | 第14-16页 |
| ·国内外研究现状分析 | 第16-22页 |
| ·围岩分级研究现状 | 第16-17页 |
| ·公路隧道光面爆破参数优化研究 | 第17-19页 |
| ·公路隧道施工监控量测信息管理系统 | 第19-20页 |
| ·系统集成一公路隧道施工智能辅助决策系统研究 | 第20-22页 |
| ·现阶段隧道工程动态设计与施工辅助决策系统研究中存在的问题 | 第22-23页 |
| ·本文研究内容及研究技术路线 | 第23-26页 |
| ·研究内容 | 第23-24页 |
| ·、研究技术路线 | 第24-26页 |
| ·本论文的创新之处 | 第26-28页 |
| 2 隧道施工期现场围岩级别快速判定方法研究 | 第28-52页 |
| ·隧道围岩BQ分级指标现场快速获取方法研究 | 第28-32页 |
| ·围岩BQ分级指标现场实测技术 | 第28-30页 |
| ·岩石饱和单轴抗压强度与回弹强度相关性分析 | 第30-31页 |
| ·岩石饱和单轴抗压强度与弹性模量相关性分析 | 第31-32页 |
| ·佛岭隧道施工期围岩级别BQ法快速判定 | 第32-33页 |
| ·基于BQ分级法的佛岭隧道施工期围岩分级新体系 | 第33-38页 |
| ·新分级体系的分级指标 | 第34页 |
| ·新分级体系分级指标的现场测试方法 | 第34-38页 |
| ·定性分级指标的定量化标准 | 第38页 |
| ·基于进化支持向量机算法的隧道工程岩体快速分级方法 | 第38-47页 |
| ·支持向量回归算法 | 第39-41页 |
| ·进化支持向量回归算法 | 第41-43页 |
| ·基于新分级体系的佛岭隧道围岩进化支持向量回归智能分级模型 | 第43-47页 |
| ·佛岭隧道围岩快速分级的数学模型 | 第47-50页 |
| ·隧道围岩分级的进化支持向量回归数学模型 | 第47-49页 |
| ·隧道围岩分级数学模型的检验 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 3 山岭隧道钻爆法施工光爆现场试验及数值模拟 | 第52-90页 |
| ·山岭隧道光面爆破施工现场试验 | 第52-55页 |
| ·试验仪器 | 第52-53页 |
| ·试验测试项目 | 第53页 |
| ·现场试验流程 | 第53-55页 |
| ·爆破松动圈测试 | 第55页 |
| ·佛岭隧道光面爆破施工数值模拟 | 第55-84页 |
| ·LS-DYNA动力有限元分析程序 | 第57-62页 |
| ·建模及计算参数选择 | 第62-63页 |
| ·模型细部简介 | 第63-65页 |
| ·佛岭隧道光面爆破施工数值模拟围岩振动速度监测 | 第65页 |
| ·佛岭隧道光面爆破施工的数值模拟 | 第65-84页 |
| ·佛岭隧道爆破施工数值模拟结果分析 | 第84-87页 |
| ·围岩震动破坏标准 | 第84-85页 |
| ·佛岭隧道爆破施工数值模拟结果的超欠挖统计 | 第85-86页 |
| ·佛岭隧道光爆施工数值模拟结果 | 第86-87页 |
| ·本章小结 | 第87-90页 |
| 4 山岭隧道光面爆破参数优化数学模型及求解方法 | 第90-104页 |
| ·光面爆破参数优化的数学模型 | 第90页 |
| ·光面爆破参数优化数学模型的求解方法 | 第90-91页 |
| ·基于PSO与BP神经网络耦合算法的佛岭隧道光面爆破参数优化 | 第91-102页 |
| ·粒子群优化算法 | 第92-93页 |
| ·BP神经元网络简介 | 第93-95页 |
| ·PSO与BP耦合算法简介 | 第95-96页 |
| ·BP神经网络训练样本的获取 | 第96-97页 |
| ·隧道光面爆破输入与输出参数PSO-BP智能映射模型的建立-网络训练 | 第97-98页 |
| ·基于PSO-BP神经网络耦合算法的隧道光面爆破参数优化-模型求解 | 第98-101页 |
| ·基于PSO-BP耦合算法的隧道光面爆破参数优化-工程算例 | 第101-102页 |
| ·本章小结 | 第102-104页 |
| 5 隧道施工监测信息管理及反馈系统研制 | 第104-134页 |
| ·系统功能与总体规划设计 | 第104-109页 |
| ·系统功能与总体规划 | 第104-105页 |
| ·数据结构设计 | 第105-106页 |
| ·监测系统设计 | 第106-108页 |
| ·系统界面设计 | 第108-109页 |
| ·系统后台主体设计 | 第109页 |
| ·监测数据回归分析与反馈 | 第109-116页 |
| ·监测数据的PSO回归分析 | 第110-112页 |
| ·监测数据的PSO回归分析实例 | 第112页 |
| ·回归函数的选择 | 第112-113页 |
| ·包含丢失位移的监测数据回归 | 第113-115页 |
| ·围岩稳定性判断准则 | 第115-116页 |
| ·基于PSO-BP神经网络耦合算法的围岩变形超前预报 | 第116-118页 |
| ·基于围岩压力监测数据的初支稳定性分析 | 第118-121页 |
| ·有限元分析基本原理 | 第118-119页 |
| ·有限元分析程序设计 | 第119页 |
| ·佛岭隧道围岩压力监测有限元分析实例 | 第119-121页 |
| ·监测数据分析与管理系统应用实例 | 第121-131页 |
| ·数据录入与存储 | 第122-125页 |
| ·监测数据回归分析 | 第125-126页 |
| ·监测数据趋势曲线图 | 第126-128页 |
| ·报表功能模块 | 第128-129页 |
| ·监测数据分析与预测专家系统功能模块 | 第129-131页 |
| ·本章小结 | 第131-134页 |
| 6 公路隧道施工智能辅助决策系统研究 | 第134-144页 |
| ·系统功能与总体规划 | 第134-135页 |
| ·系统功能 | 第134-135页 |
| ·系统总体规划 | 第135页 |
| ·隧道施工期围岩快速分级功能模块 | 第135-139页 |
| ·隧道施工期围岩快速分级模块中数据库与数据模型设计 | 第136-137页 |
| ·隧道施工期围岩快速分级模块中业务逻辑设计 | 第137-138页 |
| ·隧道施工期围岩快速分级模块界面设计 | 第138-139页 |
| ·光面爆破工艺参数优化模块 | 第139-142页 |
| ·光面爆破工艺参数优化模块中数据模型设计 | 第139-140页 |
| ·光面爆破工艺参数优化模块中业务逻辑设计 | 第140-141页 |
| ·光面爆破工艺参数优化模块中界面设计 | 第141-142页 |
| ·本章小结 | 第142-144页 |
| 7 结论与展望 | 第144-146页 |
| ·结论 | 第144-145页 |
| ·需要进一步研究的问题及展望 | 第145-146页 |
| 参考文献 | 第146-158页 |
| 作者简历及攻读博士学位期间取得的研究成果 | 第158-162页 |
| 学位论文数据集 | 第162页 |
