首页--交通运输论文--公路运输论文--隧道工程论文--隧道结构理论论文

蕾帽山隧道围岩参数反分析及施工动态模拟研究

摘要第1-5页
ABSTRACT第5-10页
第一章 绪论第10-20页
   ·选题背景及研究意义第10-12页
     ·选题背景第10-11页
     ·研究意义第11-12页
   ·国内外反分析方法研究现状第12-18页
     ·国外位移反分析方法研究现状分析第12-14页
     ·国内位移反分析方法研究现状分析第14-18页
   ·本文主要研究内容及技术路线第18-20页
     ·主要研究内容第18-19页
     ·技术路线第19-20页
第二章 蕾帽山隧道工程地质条件及围岩监控量测第20-36页
   ·蕾帽山隧道概况第20页
   ·蕾帽山隧道地质条件第20-24页
     ·气象第20页
     ·地形地貌第20-22页
     ·地质构造及地震动参数第22-23页
     ·水文地质第23-24页
   ·蕾帽山隧道施工特点及围岩监控量测第24-29页
     ·蕾帽山隧道施工特点第24-25页
     ·蕾帽山隧道监控量测方案第25-29页
   ·蕾帽山隧道监测数据的处理及分析第29-35页
     ·蕾帽山隧道数据处理原则和方法第29页
     ·蕾帽山隧道数据处理、分析结果第29-35页
   ·本章小结第35-36页
第三章 蕾帽山隧道模型的建立第36-44页
   ·蕾帽山隧道计算方法的选择第36-37页
     ·隧道工程和地下空间常用的计算方法第36页
     ·计算机仿真模拟方法(数值模拟)第36-37页
   ·FLAC~(3D)有限差分程序第37-40页
     ·FLAC~(3D)有限差分算法基本原理第38页
     ·FLAC~(3D)求解的运动方程第38-39页
     ·FLAC~(3D)本构模型第39页
     ·FLAC~(3D)结构单元第39-40页
   ·蕾帽山隧道模型的建立第40-42页
     ·蕾帽山隧道典型断面地质状况及本构关系的确定第40-41页
     ·蕾帽山隧道模型计算边界的确定第41页
     ·蕾帽山隧道模型边界条件的确定第41页
     ·蕾帽山隧道模型的建立第41-42页
   ·蕾帽山隧道数值模拟过程第42-43页
   ·本章小结第43-44页
第四章 蕾帽山隧道智能位移反分析过程第44-56页
   ·智能位移反分析第44页
   ·BP神经网络模型第44-52页
     ·BP神经网络模型结构第45-46页
     ·BP神经网络模型结构的变化函数第46-47页
     ·经典BP神经网络模型的学习训练算法第47页
     ·经典BP神经网络模型的缺陷与改进第47-50页
     ·BP神经网络模型结构的设计第50-52页
   ·蕾帽山隧道BP神经网络位移反分析过程第52-55页
     ·位移反分析目标参数的选取第52-53页
     ·训练样本和测试样本的获得第53-54页
     ·蕾帽山隧道模型的建立第54页
     ·蕾帽山隧道BP神经网络模型结构的确定第54页
     ·BP神经网络模型反分析过程的实现第54-55页
   ·本章小结第55-56页
第五章 蕾帽山隧道智能位移反分析的应用第56-80页
   ·蕾帽山隧道支护材料参数和隧道围岩参数的选择第56-58页
     ·蕾帽山隧道锚杆支护和喷射混凝土支护参数的选取第56-58页
     ·蕾帽山隧道围岩物理参数的选取第58页
   ·基于MATLAB7.0的BP神经网络位移反分析的实现第58-72页
     ·MATLAB7.0神经网络工具箱第58-61页
     ·蕾帽山隧道反演参数的确定和反分析方法的选择第61页
     ·训练样本和测试样本的获得第61-66页
     ·蕾帽山隧道BP神经网络结构的确定第66-68页
     ·反分析结果整理与分析第68-72页
   ·蕾帽山隧道施工开挖动态模拟第72-79页
     ·蕾帽山隧道动态开挖结果整理与分析第74-79页
   ·本章小结第79-80页
第六章 结论与展望第80-82页
   ·结论第80-81页
   ·展望第81-82页
参考文献第82-86页
致谢第86-88页
攻读硕士学位期间所发表的学术论文第88页

论文共88页,点击 下载论文
上一篇:基于加速度测量的仪器化冲击试验方法研究
下一篇:爆破对隧道围岩及初期支护结构稳定性的影响研究