| 第一章 绪论 | 第1-35页 |
| ·选题意义 | 第10-11页 |
| ·人工智能在岩石工程中应用研究的发展与现状 | 第11-13页 |
| ·数据挖掘的产生和研究现状 | 第13-15页 |
| ·数据挖掘的基本概念与处理过程模型 | 第15-17页 |
| ·数据挖掘主要计算模型及其原理 | 第17-25页 |
| ·数据挖掘与相关学科的区别与联系 | 第25-27页 |
| ·数据挖掘工具软件的发展与评价 | 第27-29页 |
| ·数据挖掘应用在岩石力学与工程中的特点 | 第29-31页 |
| ·数据挖掘技术在岩石力学与工程中的应用分析 | 第31-33页 |
| ·本文主要内容 | 第33-35页 |
| 第二章 基于数据挖掘的边坡岩石流变试验相关性分析 | 第35-45页 |
| ·引言 | 第35页 |
| ·MS Analysis Services数据挖掘技术 | 第35-39页 |
| ·龙滩水电站边坡泥板岩流变实验数据相关性分析研究 | 第39-44页 |
| ·本章小结 | 第44-45页 |
| 第三章 基于数据挖掘分类算法的坝基岩体质量评价分级 | 第45-66页 |
| ·岩体质量评价分级的研究现状 | 第45-48页 |
| ·SAS／Enterprise Miner数据挖掘技术 | 第48-50页 |
| ·基于三峡工程坝基岩体质量评价分级的计算实例 | 第50-58页 |
| ·水布垭水电站工程坝基岩体质量评价分级 | 第58-65页 |
| ·本章小结 | 第65-66页 |
| 第四章 基于数据挖掘的洞室岩体监测位移时序预测分析 | 第66-80页 |
| ·引言 | 第66-67页 |
| ·时序分析技术和SAS／ETS | 第67-69页 |
| ·龙滩水电站工程地下厂房模型洞位移时序预测分析 | 第69-79页 |
| ·本章小结 | 第79-80页 |
| 第五章 总结和展望 | 第80-82页 |
| ·全文总结 | 第80-81页 |
| ·问题与展望 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 个人简历 | 第85-86页 |
| 致谢 | 第86页 |
