基于神经网络的地铁结构安全监测与分析
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 目前研究存在的不足 | 第12页 |
| 1.4 本文研究内容 | 第12-14页 |
| 第二章 地铁结构变形监测方法研究 | 第14-22页 |
| 2.1 地铁结构变形原因及影响因素 | 第14-16页 |
| 2.1.1 地铁结构变形产生原因 | 第14-15页 |
| 2.1.2 地铁结构变形影响因素 | 第15-16页 |
| 2.2 地铁变形监测内容和控制标准 | 第16-18页 |
| 2.2.1 地铁变形监测项目和内容 | 第16-17页 |
| 2.2.2 地铁变形监测控制标准 | 第17-18页 |
| 2.3 地铁结构变形监测方法和技术 | 第18-21页 |
| 2.3.1 地铁隧道结构变形监测方法概述 | 第18-19页 |
| 2.3.2 地铁隧道结构安全自动化监测系统 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 地铁结构变形分析与预报研究 | 第22-44页 |
| 3.1 时间序列分析方法 | 第22-28页 |
| 3.1.1 时间序列分析概述 | 第22-23页 |
| 3.1.2 时间序列常用模型 | 第23-24页 |
| 3.1.3 时间序列模型建立 | 第24-28页 |
| 3.2 BP神经网络模型 | 第28-33页 |
| 3.2.1 神经网络概述 | 第28-30页 |
| 3.2.2 BP神经网络方法 | 第30-32页 |
| 3.2.3 BP算法流程 | 第32-33页 |
| 3.3 工程实例 | 第33-43页 |
| 3.3.1 工程概况 | 第33-37页 |
| 3.3.2 时间序列预测模型 | 第37-38页 |
| 3.3.3 BP神经网络预测模型 | 第38-40页 |
| 3.3.4 BP-时间序列融合预测模型 | 第40-42页 |
| 3.3.5 结果分析 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 地铁结构安全评估模型 | 第44-57页 |
| 4.1 安全评估概述 | 第44页 |
| 4.2 地铁安全评估方法分析 | 第44-46页 |
| 4.3 BP神经网络安全评估模型 | 第46-51页 |
| 4.3.1 评价集和指标体系构建 | 第47-49页 |
| 4.3.2 评价指标权重分析 | 第49-50页 |
| 4.3.3 BP安全评估模型建立 | 第50-51页 |
| 4.4 工程实例 | 第51-56页 |
| 4.4.1 工程概况 | 第51-52页 |
| 4.4.2 地铁结构安全评估模型 | 第52-54页 |
| 4.4.3 安全评估模型验证分析 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 结论与展望 | 第57-59页 |
| 5.1 主要工作及结论 | 第57页 |
| 5.2 主要问题及展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 作者简介 | 第63页 |
