深基坑变形的动态预测及安全性评价研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 深基坑变形预测的研究现状 | 第10-12页 |
| 1.2.2 深基坑安全评价研究现状 | 第12-13页 |
| 1.3 论文的主要研究内容和技术路线 | 第13-15页 |
| 1.3.1 研究目的 | 第13-14页 |
| 1.3.2 研究内容 | 第14页 |
| 1.3.3 技术路线 | 第14-15页 |
| 第二章 深基坑变形机理及监测技术研究 | 第15-24页 |
| 2.1 深基坑工程的特点 | 第15-17页 |
| 2.2 深基坑工程的变形机理 | 第17-19页 |
| 2.2.1 围护结构变形 | 第17页 |
| 2.2.2 基坑周边地表变形 | 第17-18页 |
| 2.2.3 坑底土体隆起变形 | 第18-19页 |
| 2.3 深基坑工程监测技术 | 第19-23页 |
| 2.3.1 基坑监测目的 | 第19-20页 |
| 2.3.2 基坑监测内容 | 第20页 |
| 2.3.3 监测点埋设 | 第20-21页 |
| 2.3.4 基坑监测方法 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 深基坑变形的动态预测理论 | 第24-37页 |
| 3.1 人工神经网络理论 | 第24-27页 |
| 3.1.1 神经网络发展 | 第24页 |
| 3.1.2 神经元模型 | 第24-27页 |
| 3.1.3 神经网络模型 | 第27页 |
| 3.2 Elman动态神经网络预测模型 | 第27-31页 |
| 3.2.1 Elman动态神经网络结构 | 第27-28页 |
| 3.2.2 Elman动态神经网络算法 | 第28-29页 |
| 3.2.3 Elman动态神经网络预测步骤 | 第29-31页 |
| 3.3 支持向量机预测模型 | 第31-36页 |
| 3.3.1 支持向量机理论 | 第31-32页 |
| 3.3.2 支持向量机(SVM)回归算法 | 第32-35页 |
| 3.3.3 支持向量机参数影响分析 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 深基坑施工过程中安全评价方法 | 第37-42页 |
| 4.1 传统的安全性评价方法 | 第37页 |
| 4.2 基于监测数据的安全性评价方法 | 第37-41页 |
| 4.2.1 基坑安全评价指标选取 | 第37-39页 |
| 4.2.2 基坑安全评价方法 | 第39-40页 |
| 4.2.3 基坑安全评价标准 | 第40-41页 |
| 4.3 本章小结 | 第41-42页 |
| 第五章 深基坑变形动态预测及安全性评价工程应用 | 第42-55页 |
| 5.1 工程概述与数据准备 | 第42-47页 |
| 5.1.1 工程概述 | 第42页 |
| 5.1.2 控制网布设 | 第42-43页 |
| 5.1.3 监测网布设 | 第43-44页 |
| 5.1.4 监测频率和预警值确定 | 第44-46页 |
| 5.1.5 数据准备 | 第46-47页 |
| 5.2 Elman动态神经网络预测模型的应用 | 第47-49页 |
| 5.2.1 数据样本建立 | 第47-48页 |
| 5.2.2 训练及预测 | 第48-49页 |
| 5.3 支持向量机预测模型的应用 | 第49-52页 |
| 5.3.1 数据样本建立 | 第49-50页 |
| 5.3.2 基于k-交叉验证法的参数选择 | 第50-51页 |
| 5.3.3 训练及预测 | 第51-52页 |
| 5.4 两种预测模型的精度对比 | 第52-53页 |
| 5.5 工程施工过程中安全性评价 | 第53-54页 |
| 5.6 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
