摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-23页 |
1.1 研究背景 | 第11页 |
1.2 研究现状 | 第11-21页 |
1.2.1 爆破振动效应 | 第11-13页 |
1.2.2 不同条件对爆破振动的影响 | 第13-15页 |
1.2.3 爆破振动预测 | 第15-20页 |
1.2.4 爆破振动危害研究 | 第20-21页 |
1.3 本文的研究思路与内容 | 第21-23页 |
第2章 爆破振动信号的频带能量分布特征研究 | 第23-49页 |
2.1 红岭铅锌矿爆破振动监测 | 第23-25页 |
2.1.1 爆破设计概况 | 第23-24页 |
2.1.2 爆破振动监测系统 | 第24-25页 |
2.1.3 测点布置和传感器的安装 | 第25页 |
2.2 基于小波包的爆破振动信号频带能量分析技术 | 第25-28页 |
2.3 描述爆破振动信号的特征参量 | 第28-30页 |
2.4 红岭铅锌矿爆破振动信号频带能量分布规律研究 | 第30-46页 |
2.4.1 小波包分解深度和小波基的确定 | 第30-33页 |
2.4.2 爆破振动信号的频带能量分布总体规律 | 第33-36页 |
2.4.3 爆破条件对爆破振动信号频带能量分布特征的影响 | 第36-42页 |
2.4.4 位置条件对爆破振动信号频带能量分布特征的影响 | 第42-46页 |
2.5 本章小结 | 第46-49页 |
第3章 基于经验公式法的爆破振动预测 | 第49-57页 |
3.1 红岭铅锌矿的爆破振动监测数据 | 第49-51页 |
3.2 基于经验公式法的红岭铅锌矿爆破振动预测结果 | 第51-56页 |
3.3 本章小结 | 第56-57页 |
第4章 基于广义回归神经网络的爆破振动预测 | 第57-71页 |
4.1 广义回归神经网络的基本理论 | 第57-59页 |
4.1.1 广义回归神经网络的基本结构 | 第57-58页 |
4.1.2 广义回归神经网络的理论基础 | 第58-59页 |
4.2 基于广义回归神经网络的爆破振动预测模型 | 第59-63页 |
4.3 基于广义回归神经网络的红岭铅锌矿爆破振动预测结果 | 第63-69页 |
4.3.1 爆破振动峰值振动速度的预测结果 | 第63-65页 |
4.3.2 爆破振动主频率的预测结果 | 第65-67页 |
4.3.3 爆破振动持续时间的预测结果 | 第67-69页 |
4.4 本章小结 | 第69-71页 |
第5章 基于支持向量机的爆破振动预测 | 第71-93页 |
5.1 支持向量机的基本理论 | 第71-78页 |
5.1.1 支持向量分类 | 第71-75页 |
5.1.2 支持向量回归 | 第75-78页 |
5.2 基于支持向量机的爆破振动预测模型 | 第78-80页 |
5.3 基于支持向量机的红岭铅锌矿爆破振动预测结果 | 第80-88页 |
5.3.1 峰值振动速度的预测结果 | 第80-83页 |
5.3.2 主频率的预测结果 | 第83-86页 |
5.3.3 振动持续时间的预测结果 | 第86-88页 |
5.4 基于三种方法的爆破振动特征参量的预测效果比较 | 第88-90页 |
5.4.1 爆破振动的峰值振动速度的预测效果比较 | 第88-90页 |
5.4.2 爆破振动主频率和持续时间的预测效果比较 | 第90页 |
5.5 本章小结 | 第90-93页 |
第6章 红岭铅锌矿爆破振动危害研究 | 第93-107页 |
6.1 爆破振动下结构物的破坏机制 | 第93-96页 |
6.1.1 爆破振动对结构物的影响 | 第94-95页 |
6.1.2 固有特性对结构物的影响 | 第95-96页 |
6.2 爆破振动响应能量判据 | 第96-97页 |
6.3 红岭铅锌矿爆破振动危害评价 | 第97-100页 |
6.3.1 受控结构物的爆破振动测试结果 | 第97-98页 |
6.3.2 基于响应能量判据的受控结构物爆破振动危害评价 | 第98-100页 |
6.4 基于支持向量机的红岭铅锌矿爆破振动响应能量预测 | 第100-104页 |
6.4.1 基于支持向量机的爆破振动响应能量预测模型 | 第101页 |
6.4.2 基于支持向量机的红岭铅锌矿爆破振动响应能量预测结果 | 第101-104页 |
6.5 本章小结 | 第104-107页 |
第7章 结论与展望 | 第107-109页 |
7.1 论文的主要结论 | 第107-108页 |
7.2 论文的不足与展望 | 第108-109页 |
参考文献 | 第109-115页 |
致谢 | 第115-117页 |
个人简历 | 第117页 |