| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 引言 | 第12-13页 |
| 1.2 现场监测的重要性 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-17页 |
| 1.3.1 反分析方法的研究现状 | 第14-16页 |
| 1.3.2 反分析方法存在的问题 | 第16页 |
| 1.3.3 反分析方法的发展方向 | 第16-17页 |
| 1.4 本文的研究目的与主要内容 | 第17-19页 |
| 1.4.1 研究目的 | 第17-18页 |
| 1.4.2 研究内容 | 第18-19页 |
| 1.5 本文的技术路线 | 第19-22页 |
| 第2章 位移反分析基本理论及方法 | 第22-28页 |
| 2.1 引言 | 第22页 |
| 2.2 反分析的必要性 | 第22-24页 |
| 2.3 位移反分析法关键因素 | 第24-27页 |
| 2.3.1 数值模型 | 第24-25页 |
| 2.3.2 位移量测系统 | 第25页 |
| 2.3.3 待反演参数的选择 | 第25-26页 |
| 2.3.4 目标函数的选择 | 第26页 |
| 2.3.5 优化方法的选择 | 第26-27页 |
| 2.3.6 反分析结果的检验 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 隧道开挖动态监测及围岩稳定性数值分析 | 第28-52页 |
| 3.1 概述 | 第28页 |
| 3.2 隧道开挖监控量测 | 第28-34页 |
| 3.2.1 隧道监控量测的意义 | 第28-29页 |
| 3.2.2 监测方案设计 | 第29-33页 |
| 3.2.3 监控数据分析 | 第33-34页 |
| 3.3 隧道开挖三维数值模拟试验 | 第34-45页 |
| 3.3.1 有限元分析软件ANSYS简介 | 第34-35页 |
| 3.3.2 隧道设计和施工工艺概述 | 第35-36页 |
| 3.3.3 模型建立 | 第36页 |
| 3.3.4 初始地应力场 | 第36页 |
| 3.3.5 材料本构模型 | 第36-38页 |
| 3.3.6 计算步骤 | 第38-40页 |
| 3.3.7 计算参数的选取 | 第40页 |
| 3.3.8 计算结果 | 第40-45页 |
| 3.4 正交数值模拟试验 | 第45-48页 |
| 3.5 均匀数值模拟试验 | 第48-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 基于MATLAB的遗传神经网络智能反分析系统的建立 | 第52-68页 |
| 4.1 概述 | 第52页 |
| 4.2 神经网络原理 | 第52-54页 |
| 4.2.1 人工神经网络的构成 | 第52-53页 |
| 4.2.2 人工神经网络的分类 | 第53-54页 |
| 4.3 BP神经网络 | 第54-57页 |
| 4.3.1 BP神经网络传递函数及学习方法 | 第55页 |
| 4.3.2 BP网络学习函数 | 第55页 |
| 4.3.3 BP网络训练函数 | 第55-56页 |
| 4.3.4 BP神经网络误差函数 | 第56页 |
| 4.3.5 BP神经网络结构的确定 | 第56-57页 |
| 4.4 遗传算法 | 第57-62页 |
| 4.4.1 遗传算法基本思想 | 第57-58页 |
| 4.4.2 遗传算法特点 | 第58-59页 |
| 4.4.3 遗传算法基本操作 | 第59-61页 |
| 4.4.4 遗传算法性能测试 | 第61-62页 |
| 4.5 遗传算法优化神经网络及编程实现 | 第62-67页 |
| 4.5.1 遗传算法优化神经网络 | 第62-64页 |
| 4.5.2 GA-BP智能反分析系统的建立 | 第64-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第5章 智能位移反分析法在绿春坝隧道7-程中的应用 | 第68-82页 |
| 5.1 工程概况 | 第68-71页 |
| 5.1.1 工程地质及水文地质 | 第68-70页 |
| 5.1.2 隧道设计和施工工艺概述 | 第70-71页 |
| 5.2 监测数据分析 | 第71-76页 |
| 5.2.1 拱顶下沉 | 第71-74页 |
| 5.2.2 水平收敛及监测数据分析 | 第74-76页 |
| 5.3 训练样本及测试样本的产生 | 第76-79页 |
| 5.3.1 样本数据归一化和反归一化 | 第76页 |
| 5.3.2 神经网络训练 | 第76-78页 |
| 5.3.3 神经网络测试 | 第78-79页 |
| 5.3.4 围岩参数反分析与预测 | 第79页 |
| 5.4 本章小结 | 第79-82页 |
| 第6章 结论及展望 | 第82-84页 |
| 6.1 结论 | 第82-83页 |
| 6.2 展望 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 致谢 | 第88-90页 |
| 个人简介 | 第90-92页 |
| 附录 | 第92-94页 |