多年岛状冻土路基热稳定性及融沉预测的研究
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1 绪论 | 第17-31页 |
| 1.1 研究背景 | 第17-21页 |
| 1.2 研究的目的和意义 | 第21-22页 |
| 1.3 国内外研究现状 | 第22-28页 |
| 1.3.1 冻土热力学性质研究现状 | 第23-24页 |
| 1.3.2 多年冻土退化机理研究现状 | 第24-25页 |
| 1.3.3 冻土路基热稳定技术研究现状 | 第25-26页 |
| 1.3.4 路基变形预测理论研究现状 | 第26-27页 |
| 1.3.5 存在问题及发展趋势 | 第27-28页 |
| 1.4 主要研究内容 | 第28-29页 |
| 1.5 研究方法与技术路线 | 第29-31页 |
| 2 多年岛状冻土路基热稳定性分析与试验 | 第31-64页 |
| 2.1 冻土的热力学性质 | 第31-36页 |
| 2.2 影响因素分析 | 第36-44页 |
| 2.2.1 程地质因素 | 第36-39页 |
| 2.2.2 路基结构因素 | 第39-41页 |
| 2.2.3 自然环境因素 | 第41-44页 |
| 2.3 试验研究 | 第44-63页 |
| 2.3.1 试验路段 | 第44-47页 |
| 2.3.2 试验概况 | 第47-54页 |
| 2.3.3 试验数据分析 | 第54-63页 |
| 2.4 本章小结 | 第63-64页 |
| 3 地温特征及变化规律研究 | 第64-88页 |
| 3.1 地表热流 | 第64-65页 |
| 3.2 地温场理论控制方程 | 第65-71页 |
| 3.2.1 微分控制方程 | 第65-67页 |
| 3.2.2 连续条件与边界条件 | 第67-68页 |
| 3.2.3 有限元控制方程 | 第68-69页 |
| 3.2.4 水—热耦合分析 | 第69-71页 |
| 3.3 地温场数值模拟分析 | 第71-79页 |
| 3.3.1 断面概况 | 第71-72页 |
| 3.3.2 有限元模型的构建 | 第72-74页 |
| 3.3.3 数值模拟结果及分析 | 第74-78页 |
| 3.3.4 坡向性地温特征分析 | 第78-79页 |
| 3.4 地温场试验对比分析 | 第79-87页 |
| 3.4.1 实测结果及分析 | 第79-81页 |
| 3.4.2 覆土厚度影响分析 | 第81-83页 |
| 3.4.3 含冰量影响分析 | 第83-87页 |
| 3.5 本章小结 | 第87-88页 |
| 4 竖向分层位移地温响应研究 | 第88-116页 |
| 4.1 竖向热位移理论计算模型 | 第88-91页 |
| 4.1.1 冻结速率与融化速率 | 第88-90页 |
| 4.1.2 有限元控制方程 | 第90-91页 |
| 4.2 竖向热位移数值模拟分析 | 第91-98页 |
| 4.2.1 数值模拟条件 | 第91-93页 |
| 4.2.2 数值计算及结果分析 | 第93-97页 |
| 4.2.3 坡向性竖向位移分析 | 第97-98页 |
| 4.3 竖向热位移试验对比分析 | 第98-109页 |
| 4.3.1 实测结果及分析 | 第98-102页 |
| 4.3.2 不同覆土厚度竖向位移对比分析 | 第102-104页 |
| 4.3.3 不同含冰量竖向位移对比分析 | 第104-106页 |
| 4.3.4 地基加固效果分析 | 第106-109页 |
| 4.4 竖向热位移突变效应研究 | 第109-114页 |
| 4.5 本章小结 | 第114-116页 |
| 5 侧向分层位移地温响应研究 | 第116-135页 |
| 5.1 侧向热位移的理论分析 | 第116-119页 |
| 5.1.1 冻土的单轴拉伸特性 | 第116-117页 |
| 5.1.2 侧向变形系数与侧压力系数 | 第117-118页 |
| 5.1.3 有限元控制方程 | 第118-119页 |
| 5.2 侧向热位移数值模拟分析 | 第119-124页 |
| 5.2.1 计算条件及结果分析 | 第119-123页 |
| 5.2.2 坡向性侧向位移分析 | 第123-124页 |
| 5.3 侧向热位移试验对比分析 | 第124-131页 |
| 5.3.1 实测结果及分析 | 第124-127页 |
| 5.3.2 不同覆土厚度侧向位移对比分析 | 第127-129页 |
| 5.3.3 不同含冰量侧向位移对比分析 | 第129-131页 |
| 5.4 侧向位移热缩效应研究 | 第131-134页 |
| 5.5 本章小结 | 第134-135页 |
| 6 多年岛状冻土路基融沉变形预测 | 第135-150页 |
| 6.1 现有主要预测方法分析 | 第135-139页 |
| 6.1.1 灰色预测模型GM(1,1) | 第135-136页 |
| 6.1.2 生长曲线预测 | 第136-137页 |
| 6.1.3 混沌时间序列预测 | 第137-138页 |
| 6.1.4 人工神经网络预测 | 第138-139页 |
| 6.2 支持向量机(SVM)预测原理 | 第139-144页 |
| 6.2.1 最优分类面 | 第139-140页 |
| 6.2.2 支持向量机 | 第140-141页 |
| 6.2.3 核函数 | 第141-143页 |
| 6.2.4 预测流程及特点 | 第143-144页 |
| 6.3 预测实例 | 第144-149页 |
| 6.3.1 样本数据 | 第144页 |
| 6.3.2 数据预处理 | 第144-146页 |
| 6.3.3 核函数选取及参数优化 | 第146-147页 |
| 6.3.4 训练与预测 | 第147-148页 |
| 6.3.5 对比验证 | 第148-149页 |
| 6.4 本章小结 | 第149-150页 |
| 结论及展望 | 第150-153页 |
| 结论 | 第150-151页 |
| 创新点 | 第151-152页 |
| 展望 | 第152-153页 |
| 参考文献 | 第153-161页 |
| 附录A | 第161-165页 |
| 附录B | 第165-171页 |
| 攻读学位期间发表的学术论文 | 第171-172页 |
| 致谢 | 第172-173页 |
