首页--工业技术论文--矿业工程论文--矿山开采论文--煤矿开采论文--露天煤矿开采论文

基于信息技术的深凹露天矿高陡边坡稳定性综合分析研究

致谢第4-5页
摘要第5-7页
Abstract第7-8页
1 引言第12-25页
    1.1 研究背景和意义第12-14页
        1.1.1 研究背景第12-14页
        1.1.2 研究意义第14页
    1.2 国内外研究现状第14-23页
        1.2.1 边坡变形破坏机理研究第15-18页
        1.2.2 基于数值模型的高陡边坡稳定性分析第18-22页
        1.2.3 数据驱动的边坡稳定性智能分析第22-23页
    1.3 主要研究内容第23-25页
2 工程地质概况与边坡稳定性分析第25-45页
    2.1 工程地质分析第25-27页
    2.2 地应力场分布规律第27-31页
    2.3 高陡边坡失稳相似物理模拟实验第31-37页
        2.3.1 相似模型第31-33页
        2.3.2 边坡破坏特征第33-37页
    2.4 爆破荷载作用下边坡稳定性分析第37-44页
    2.5 本章小结第44-45页
3 基于物联网的边坡结构实时监测技术第45-65页
    3.1 基于物联网的边坡岩层实时监测体系架构第45-46页
    3.2 边坡监测物联网自组织网络架构设计第46-52页
        3.2.1 物联网自组织网络的拓扑结构分析第46-47页
        3.2.2 分层加扁平化的网络通信架构第47-49页
        3.2.3 数据采集及传输协议设计第49-52页
    3.3 量测节点智能化技术第52-58页
    3.4 边坡监测数据分析第58-63页
        3.4.1 边坡位移监测第58-61页
        3.4.2 边坡深部位移监测第61-62页
        3.4.3 边坡应力监测第62-63页
    3.5 本章小结第63-65页
4 基于机器学习的边坡稳定性预测方法研究第65-84页
    4.1 机器学习和超参数整定第65-69页
        4.1.1 机器学习算法第65-68页
        4.1.2 超参数整定算法第68-69页
    4.2 基于机器学习的边坡稳定性分析方法第69-74页
        4.2.1 边坡稳定性分析机器学习数据集第69-71页
        4.2.2 机器学习有效性评估第71-72页
        4.2.3 K-折交叉验证第72页
        4.2.4 超参数整定第72-74页
    4.3 基于机器学习的边坡稳定性分析综合比较第74-82页
        4.3.1 超参数整定比较第74-75页
        4.3.2 机器学习预测性能比较第75-78页
        4.3.3 基于机器学习的边坡位移预测第78-82页
    4.4 本章小节第82-84页
5 混合虚拟模型的数据驱动边坡稳定性分析方法研究第84-102页
    5.1 虚拟模型与人工智能混合分析方法及技术架构第84-87页
    5.2 物联网监测数据处理第87-93页
    5.3 基于仿真模型的机器机器学习第93-100页
        5.3.1 利用虚拟模型生成训练数据集第93-96页
        5.3.2 单分类支持向量机方法第96-100页
    5.4 本章小结第100-102页
6 边坡稳定性综合分析及数据集成平台研究第102-117页
    6.1 多源异构数据集成方法第102-107页
        6.1.1 数据处理流程第102-104页
        6.1.2 数据预处理第104-107页
    6.2 边坡稳定性数据分析平台第107-116页
        6.2.1 数据分析平台架构第107-110页
        6.2.2 数据分析实验平台硬件设计第110-111页
        6.2.3 边坡稳定性分析平台软件设计第111-116页
    6.3 本章小结第116-117页
7 结论与展望第117-120页
    7.1 结论第117-118页
    7.2 主要创新点第118页
    7.3 展望第118-120页
参考文献第120-132页
附录第132-135页
作者简历及在学研究成果第135-138页
学位论文数据集第138页

论文共138页,点击 下载论文
上一篇:透射电镜中电子磁手性二向色性技术的研究
下一篇:铁电/弛豫铁电储能陶瓷的制备、性能及机理研究