| 第一章 绪论 | 第1-21页 |
| 1．1 信息管理系统的发展现状和趋势 | 第7-9页 |
| 1．1．1 信息管理技术的起源与发展 | 第7-8页 |
| 1．1．2 岩土工程中的信息管理技术 | 第8-9页 |
| 1．2 岩土力学参数取值研究的背景 | 第9-11页 |
| 1．2．1 岩土力学研究的中的两大瓶颈问题 | 第9页 |
| 1．2．2 影响岩土力学合理取值的若干因素 | 第9-10页 |
| 1．2．3 目前岩土力学参数的一般确定方法 | 第10-11页 |
| 1．3 边坡稳定性研究现状 | 第11-16页 |
| 1．3．1 影响边坡稳定性的因素 | 第11-12页 |
| 1．3．2 边坡稳定性评价方法 | 第12-16页 |
| 1．4 滑坡优化设计研究现状 | 第16-18页 |
| 1．4．1 高边坡及滑坡防治工程简介 | 第16页 |
| 1．4．2 防治工程优化设计研究现状 | 第16-18页 |
| 1．4．3 岩质边坡优化设计存在的问题 | 第18页 |
| 1．5 本文的选题及主要研究内容 | 第18-21页 |
| 1．5．1 本文选题背景 | 第18-19页 |
| 1．5．2 本文主要研究目的及内容 | 第19-21页 |
| 第二章 高边坡及滑坡数据库系统的设计与开发 | 第21-38页 |
| 2．1 数据库管理系统概述 | 第21页 |
| 2．2 SQL Server关系数据库系统简介 | 第21-25页 |
| 2．2．1 SQL语言概述 | 第21-23页 |
| 2．2．2 关系型数据库模型简述 | 第23-24页 |
| 2．2．3 SQL Server 2000关系型数据库简介 | 第24-25页 |
| 2．3 VC #简介 | 第25页 |
| 2．4 云南祥临公路高边坡及滑坡数据库系统建设需要分析 | 第25-26页 |
| 2．5 云南祥临公路高边坡及滑坡数据库系统设计开发 | 第26-33页 |
| 2．5．1 标准化工作 | 第26-28页 |
| 2．5．2 实体模型设计 | 第28页 |
| 2．5．3 数据存储设计 | 第28-30页 |
| 2．5．4 系统总体结构设计 | 第30-31页 |
| 2．5．5 系统功能描述 | 第31-32页 |
| 2．5．6 系统菜单的创建 | 第32页 |
| 2．5．7 系统业务流程 | 第32-33页 |
| 2．6 云南祥临公路高边坡及滑坡数据库系统的实现 | 第33-37页 |
| 2．6．1 系统特点及优势 | 第33-34页 |
| 2．6．2 系统实例演示 | 第34-37页 |
| 2．7 本章小节 | 第37-38页 |
| 第三章 滑带土抗剪强度指标的统计分析 | 第38-57页 |
| 3．1 力学参数的统计分析研究 | 第38-48页 |
| 3．1．1 随机统计法 | 第39-41页 |
| 3．1．2 随机—模糊法 | 第41-48页 |
| 3．1．3 岩石样本统计变异系数 | 第48页 |
| 3．2 云南祥临公路滑坡抗剪强度指标计算及分析 | 第48-55页 |
| 3．2．1 沿线滑坡启动后滑带土抗剪强度的统计分析 | 第48-53页 |
| 3．2．2 沿线滑坡滑动前最危险滑面处抗剪强度指标的统计分析 | 第53-54页 |
| 3．2．3 具体滑坡抗剪强度指标的统计分析 | 第54-55页 |
| 3．3 本章小结 | 第55-57页 |
| 第四章 岩质高边坡坡角优化设计研究 | 第57-80页 |
| 4．1 神经网络技术概论 | 第57-64页 |
| 4．1．1 神经网络模型 | 第58-59页 |
| 4．1．2 神经网络的工作方式 | 第59页 |
| 4．1．3 神经网络的基本性质 | 第59-60页 |
| 4．1．4 神经网络的学习与计算 | 第60-61页 |
| 4．1．5 BP神经网络 | 第61-64页 |
| 4．2 极限平衡法简介 | 第64-66页 |
| 4．3 因素无量纲理论 | 第66-69页 |
| 4．3．1 无量纲化的基本方法 | 第66-68页 |
| 4．3．2 无量纲化方法的选用 | 第68-69页 |
| 4．4 正交表理论 | 第69-70页 |
| 4．5 岩质边坡稳定开挖坡角的优化 | 第70-79页 |
| 4．5．1 岩质边坡稳定开挖坡角优化模型的建立 | 第70-71页 |
| 4．5．2 边坡最优稳定开挖坡角确定方法 | 第71页 |
| 4．5．3 云南祥临公路稳定开挖坡角优化参数选择 | 第71-73页 |
| 4．5．4 云南祥临公路稳定开挖坡角优化计算分析 | 第73-75页 |
| 4．5．5 因素敏感性计算 | 第75-76页 |
| 4．5．6 云南祥临公路具体滑坡特征分析 | 第76页 |
| 4．5．7 神经网络样本的选取及归一化处理 | 第76-77页 |
| 4．5．8 神经网络建模及仿真 | 第77-79页 |
| 4．6 本章小结 | 第79-80页 |
| 第五章 结论与展望 | 第80-82页 |
| 5．1 结论 | 第80-81页 |
| 5．2 展望 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 攻读硕士学位期间参加的科研项目 | 第85页 |
| 攻读硕士学位期间发表的论文 | 第85-86页 |
| 致谢 | 第86页 |
