| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 选题背景 | 第12-13页 |
| 1.2 国内外隧道发展现状 | 第13-16页 |
| 1.2.1 国内外隧道发展概况 | 第13-14页 |
| 1.2.2 隧道工程特点 | 第14-15页 |
| 1.2.3 隧道工程事故统计 | 第15-16页 |
| 1.3 国内外隧道围岩稳定性研究现状 | 第16-19页 |
| 1.3.1 理论研究 | 第16-18页 |
| 1.3.2 模型试验 | 第18页 |
| 1.3.3 现场原位测试 | 第18-19页 |
| 1.4 研究方法及意义 | 第19-22页 |
| 第2章 隧道围岩分类方法及稳定性影响因子分析 | 第22-34页 |
| 2.1 围岩分类方法 | 第22-24页 |
| 2.2 隧道围岩稳定影响因子 | 第24-31页 |
| 2.2.1 岩石性质及岩体结构 | 第24-27页 |
| 2.2.2 力学性质 | 第27-28页 |
| 2.2.3 天然应力状态 | 第28页 |
| 2.2.4 地质结构 | 第28-29页 |
| 2.2.5 地下水 | 第29页 |
| 2.2.6 工程因素 | 第29-30页 |
| 2.2.7 时间因素 | 第30-31页 |
| 2.3 本章小结 | 第31-34页 |
| 第3章 基于粗糙集理论的隧道围岩稳定性影响因子分析 | 第34-58页 |
| 3.1 粗糙集理论简介 | 第34-36页 |
| 3.1.1 粗糙集的基本定义 | 第35页 |
| 3.1.2 粗糙集属性约简理论的基本原理和步骤 | 第35-36页 |
| 3.2 基于粗糙集理论的隧道围岩稳定性分析 | 第36-44页 |
| 3.2.1 数据的收集与整理 | 第36-37页 |
| 3.2.2 离散化处理数据 | 第37-38页 |
| 3.2.3 对数据进行属性约简 | 第38-39页 |
| 3.2.4 属性重要度计算 | 第39-42页 |
| 3.2.5 客观权重计算 | 第42-43页 |
| 3.2.6 权重结果验证 | 第43-44页 |
| 3.3 影响因子发生变化对围岩分类的影响 | 第44-54页 |
| 3.3.1 天然应力 | 第44-49页 |
| 3.3.2 地下水量 | 第49-50页 |
| 3.3.3 岩石完整性 | 第50-51页 |
| 3.3.4 岩石质量指标 | 第51-52页 |
| 3.3.5 地质结构 | 第52-54页 |
| 3.4 结果对比及分析 | 第54-55页 |
| 3.5 对策措施 | 第55-56页 |
| 3.6 本章小结 | 第56-58页 |
| 第4章 基于BP神经网络的隧道围岩稳定性分类及预测 | 第58-66页 |
| 4.1 BP神经网络简介 | 第58页 |
| 4.2 基于BPNN理论的隧道围岩稳定性预测模型的建立 | 第58-60页 |
| 4.3 实例预测及分析 | 第60-63页 |
| 4.4 本章小结 | 第63-66页 |
| 第5章 结论与展望 | 第66-70页 |
| 5.1 结论 | 第66-67页 |
| 5.2 创新点 | 第67页 |
| 5.3 建议 | 第67-70页 |
| 参考文献 | 第70-74页 |
| 作者攻读学位期间的科研成果 | 第74-76页 |
| 致谢 | 第76页 |
