| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 高堆石坝参数反演方法研究现状 | 第12-13页 |
| 1.2.2 多目标优化算法研究现状 | 第13-14页 |
| 1.3 本文的主要研究内容 | 第14-16页 |
| 2 堆石体本构模型基本原理 | 第16-25页 |
| 2.1 堆石坝EB本构模型 | 第16-19页 |
| 2.2 堆石体流变本构模型 | 第19-22页 |
| 2.3 瞬变-流变联合计算方法 | 第22-25页 |
| 3 高堆石坝多目标参数反演平台 | 第25-35页 |
| 3.1 基于非支配排序的多目标遗传算法 | 第25-29页 |
| 3.1.1 基本定义 | 第25-26页 |
| 3.1.2 关键技术算子 | 第26-28页 |
| 3.1.3 NSGA-Ⅱ算法基本流程 | 第28-29页 |
| 3.2 RBF神经网络 | 第29-32页 |
| 3.2.1 RBF神经网络模型 | 第30-31页 |
| 3.2.2 RBF网络学习算法 | 第31-32页 |
| 3.3 多目标参数反演平台 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 4 基于材料分区的反演子区间划分方法的研究 | 第35-52页 |
| 4.1 堆石坝材料分区的基本原则和典型形式 | 第35-39页 |
| 4.1.1 堆石坝材料分区的基本原则 | 第35-37页 |
| 4.1.2 堆石坝材料分区的典型形式 | 第37-39页 |
| 4.2 子区间划分方法的基本理论 | 第39-42页 |
| 4.2.1 子区间划分方法的原理 | 第39-40页 |
| 4.2.2 子区间划分方法的原则 | 第40-41页 |
| 4.2.3 多目标参数反演的优势 | 第41-42页 |
| 4.3 子区间划分实例与方法验证 | 第42-50页 |
| 4.3.1 实例模型建立 | 第42页 |
| 4.3.2 监测区域划分与敏感性试验分组 | 第42-43页 |
| 4.3.3 计算结果 | 第43-48页 |
| 4.3.4 子区间划分方案的建议 | 第48-50页 |
| 4.4 已建堆石坝的子区间划分方案实例的建议 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 5 水布垭监测资料与本构参数敏感性分析 | 第52-68页 |
| 5.1 水布垭工程概况 | 第52-55页 |
| 5.1.1 工程基本资料 | 第52-54页 |
| 5.1.2 监测系统的布置 | 第54-55页 |
| 5.2 监测资料分析 | 第55-62页 |
| 5.3 待反演参数的选定 | 第62-67页 |
| 5.3.1 静力本构模型参数敏感性分析 | 第62-66页 |
| 5.3.2 流变本构模型参数敏感性分析 | 第66-67页 |
| 5.4 本章小节 | 第67-68页 |
| 6 水布垭面板堆石坝多目标参数反演 | 第68-81页 |
| 6.1 多目标函数的构建 | 第68-70页 |
| 6.1.1 子区间划分与监测点布置 | 第68-69页 |
| 6.1.2 子目标函数的构建 | 第69-70页 |
| 6.2 神经网络训练与多目标参数反演 | 第70-78页 |
| 6.2.1 样本的选择及神经网络训练 | 第70-72页 |
| 6.2.2 基于NSGA-Ⅱ多目标算法的寻优 | 第72-74页 |
| 6.2.3 基于双目标反演参数的计算结果 | 第74-78页 |
| 6.3 单目标参数反演与多目标参数反演方法对比分析 | 第78-79页 |
| 6.4 本章小结 | 第79-81页 |
| 7 总结与展望 | 第81-85页 |
| 7.1 总结 | 第81-83页 |
| 7.2 展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 攻读硕士学位期间主要科研成果 | 第89-91页 |