| 摘要 | 第9-11页 |
| Abstract | 第11-12页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 本文的研究背景 | 第13-17页 |
| 1.1.1 基坑工程的发展与现状 | 第13-15页 |
| 1.1.2 基坑工程的主要设计计算方法 | 第15-16页 |
| 1.1.3 基坑工程存在的问题 | 第16-17页 |
| 1.2 本文主要研究内容、技术路线及研究意义 | 第17-18页 |
| 1.2.1 研究内容与技术路线 | 第17-18页 |
| 1.2.2 研究意义 | 第18页 |
| 1.3 创新点 | 第18-19页 |
| 第2章 深基坑工程反演分析的基本理论与研究现状 | 第19-27页 |
| 2.1 深基坑工程反演分析的基本概念 | 第19-25页 |
| 2.1.1 反演分析的基本概念 | 第19-21页 |
| 2.1.2 反演分析的国内外研究现状 | 第21-25页 |
| 2.2 深基坑工程反演分析常用的方法 | 第25-26页 |
| 2.2.1 确定性反演分析法 | 第25页 |
| 2.2.2 非确定性反演分析法 | 第25页 |
| 2.2.3 人工神经网络反演分析法 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 上海舞蹈中心深基坑监测及变形规律研究 | 第27-47页 |
| 3.1 工程背景 | 第27-34页 |
| 3.1.1 工程概况 | 第27-28页 |
| 3.1.2 工程地质水文地质条件 | 第28-31页 |
| 3.1.3 基坑支护与施工 | 第31-34页 |
| 3.2 现场监测方案 | 第34-36页 |
| 3.2.1 监测内容 | 第34-35页 |
| 3.2.2 监测频率 | 第35页 |
| 3.2.3 监测报警值 | 第35-36页 |
| 3.3 支护结构累计位移监测结果及其变形分析 | 第36-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于正交试验的基坑土层参数敏感性分析 | 第47-67页 |
| 4.1 土层参数的选取及参数敏感性分析概述 | 第47-49页 |
| 4.1.1 土层参数的选取 | 第47页 |
| 4.1.2 参数敏感性分析的目的及其意义 | 第47-48页 |
| 4.1.3 敏感性分析的方法 | 第48-49页 |
| 4.2 正交试验设计法 | 第49-53页 |
| 4.3 基于MIDAS GTS模拟的正交试验样本建立 | 第53-58页 |
| 4.3.1 MIDAS GTS模拟软件简介 | 第53页 |
| 4.3.2 基坑开挖支护MIDAS GTS分析模型构建 | 第53-56页 |
| 4.3.3 深基坑开挖模拟 | 第56-58页 |
| 4.4 土层参数敏感性分析 | 第58-66页 |
| 4.4.1 正交试验因素及各因素水平数的确定 | 第58-59页 |
| 4.4.2 正交试验表的设计 | 第59页 |
| 4.4.3 基于MIDAS GTS模拟的正交试验结果 | 第59-64页 |
| 4.4.4 运用极差法对参数进行敏感性分析 | 第64-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第5章 基于BP神经网络模型的m值反演分析 | 第67-91页 |
| 5.1 神经网络的介绍 | 第67-72页 |
| 5.1.1 BP神经网络模型及算法 | 第68-72页 |
| 5.1.2 BP神经网络模型的优势及其适用性 | 第72页 |
| 5.2 BP神经网络反演模型的建立 | 第72-82页 |
| 5.2.1 神经网络层数及网络结构的设计 | 第72-73页 |
| 5.2.2 神经网络训练及学习函数的选择与Matlab实现 | 第73-74页 |
| 5.2.3 神经网络模型训练样本的确定 | 第74-79页 |
| 5.2.4 神经网络模型的学习训练和检验 | 第79-82页 |
| 5.3 m值反演结果及分析 | 第82-86页 |
| 5.3.1 逐工况m值的反演及其与基坑开挖关系规律分析 | 第82-85页 |
| 5.3.2 m值反演结果与规范值对比分析 | 第85-86页 |
| 5.4 基于反演m值的支护结构变形计算与现场监测数据对比 | 第86-90页 |
| 5.5 本章小结 | 第90-91页 |
| 第6章 结论与展望 | 第91-93页 |
| 6.1 主要结论 | 第91页 |
| 6.2 存在不足及展望 | 第91-93页 |
| 参考文献 | 第93-97页 |
| 攻读硕士学位期间发表的学术论文及科研工作 | 第97-98页 |
| 致谢 | 第98页 |
