| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·引言 | 第8-9页 |
| ·国内外研究现状及评述 | 第9-13页 |
| ·隧道围岩稳定性分析的方法 | 第9-11页 |
| ·隧道监控量测方法研究现状 | 第11-12页 |
| ·神经网络在隧道围岩位移预测中的应用 | 第12-13页 |
| ·本文研究的主要内容 | 第13-14页 |
| 2 公路隧道围岩变形影响因素及稳定性分析 | 第14-25页 |
| ·白马隧道工程概况 | 第14-15页 |
| ·岩体变形 | 第15-17页 |
| ·稳定蠕变 | 第15-16页 |
| ·不稳定蠕变 | 第16-17页 |
| ·隧道围岩变形的影响因素 | 第17-19页 |
| ·影响隧道稳定性的因素 | 第19-22页 |
| ·岩石性质及岩体的结构 | 第20-21页 |
| ·地质及地质结构对隧道稳定的影响 | 第21-22页 |
| ·地下水因素 | 第22页 |
| ·工程因素 | 第22页 |
| ·白马隧道主要工程地质问题评价 | 第22-24页 |
| ·区域稳定性评价 | 第22页 |
| ·岩溶工程地质评价 | 第22-23页 |
| ·进口段洞口工程地质问题评价 | 第23页 |
| ·进口段稳定性评价 | 第23页 |
| ·出口段洞口工程地质问题评价 | 第23页 |
| ·出口段稳定性评价 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 新奥法施工及其量测技术 | 第25-38页 |
| ·新奥法在隧道工程中的应用 | 第25-28页 |
| ·新奥法基本概念 | 第25-26页 |
| ·新奥法设计方法 | 第26-27页 |
| ·新奥法设计阶段 | 第27页 |
| ·新奥法中的监控量测 | 第27-28页 |
| ·量测在新奥法施工中的意义和作用 | 第28-30页 |
| ·新奥法量测的作用 | 第28-29页 |
| ·量测数据处理与应用 | 第29-30页 |
| ·白马隧道施工主要监测内容 | 第30-31页 |
| ·量测数据的回归分析 | 第31-34页 |
| ·回归分析的基本概念 | 第31页 |
| ·非线性回归模型的线性化 | 第31-33页 |
| ·回归分析工具—EViews 简介 | 第33-34页 |
| ·白马隧道围岩量测数据的回归分析 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于神经网络理论的白马隧道围岩位移预测 | 第38-57页 |
| ·神经网络基本理论 | 第38-41页 |
| ·神经网络的结构 | 第38-39页 |
| ·神经网络的学习方式 | 第39-41页 |
| ·几种重要的神经网络模型介绍 | 第41-45页 |
| ·BP 神经网络学习算法介绍 | 第41-43页 |
| ·BP 算法的改进 | 第43-44页 |
| ·Elman 反馈神经网络 | 第44-45页 |
| ·利用神经网络模型进行围岩稳定位移预测 | 第45-56页 |
| ·灰色理论分析工具—MATLAB 语言简介 | 第45-46页 |
| ·预测目标及时间序列的转换 | 第46页 |
| ·神经网络建模 | 第46-48页 |
| ·BP 网络建模过程 | 第48-54页 |
| ·Elman 神经网络建模 | 第54页 |
| ·预测结果对比分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 5 基于灰色理论与BP 神经网络的隧道围岩变形预测模型 | 第57-69页 |
| ·灰色理论简介 | 第57-58页 |
| ·灰色预测模型的算法 | 第58-60页 |
| ·灰色理论和神经网络组合预测的理论基础 | 第60-62页 |
| ·两种方法的优势互补性 | 第60-61页 |
| ·组合预测相对单项预测方法的优势 | 第61-62页 |
| ·基于灰色神经网络模型对围岩位移预测的建模分析 | 第62-67页 |
| ·几种预测模型结果的对比分析 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 6 结论及建议 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 附录 | 第76页 |
| A. 作者在攻读学位期间发表的论文目录 | 第76页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第76页 |