| 第一章 绪论 | 第1-19页 |
| ·问题的提出 | 第14页 |
| ·位移反分析法研究现状 | 第14-17页 |
| ·位移反分析法及其分类 | 第14-15页 |
| ·国外位移反分析的研究现状 | 第15页 |
| ·我国位移反分析的研究现状 | 第15-17页 |
| ·课题的来源、目的、意义及本论文的主要研究内容 | 第17-19页 |
| ·课题的来源 | 第17页 |
| ·课题的目的及意义 | 第17页 |
| ·本文主要研究内容 | 第17-18页 |
| ·论文特色及创新之处 | 第18-19页 |
| 第二章 隧道围岩位移智能反分析的基本思路 | 第19-24页 |
| ·隧道工程的特点及其位移反分析的必要性 | 第19页 |
| ·隧道围岩位移智能反分析法的提出 | 第19-20页 |
| ·隧道围岩位移的影响因素 | 第20-21页 |
| ·一般影响因素 | 第20-21页 |
| ·影响隧道围岩位移的最主要因素 | 第21页 |
| ·隧道围岩位移反分析计算模型及反演参数的确定 | 第21-24页 |
| 第三章 隧道开挖初衬围岩变形弹塑性模拟及其正交试验 | 第24-38页 |
| ·三维快速拉格朗日有限差分程序简介 | 第24页 |
| ·高速公路隧道开挖初衬围岩变形弹塑性模拟试验 | 第24-32页 |
| ·高速公路隧道围岩衬砌结构及分析说明 | 第24-26页 |
| ·试验模型的建立 | 第26-27页 |
| ·运算前的准备 | 第27-28页 |
| ·进行模型运算及结果分析 | 第28-32页 |
| ·正交模拟试验 | 第32-34页 |
| ·训练样本的构造 | 第34-38页 |
| 第四章 基于改进BP人工神经网络的隧道围岩位移智能反分析系统的建立 | 第38-55页 |
| ·人工神经网络概述 | 第38页 |
| ·人工神经网络的基本结构和模型 | 第38-42页 |
| ·人工神经元的模型 | 第39页 |
| ·激活传递函数 | 第39-40页 |
| ·单层神经元网络模型结构 | 第40-41页 |
| ·多层神经元网络 | 第41-42页 |
| ·神经网络的训练与回忆操作 | 第42-43页 |
| ·神经网络的训练 | 第42-43页 |
| ·神经网络的回忆操作 | 第43页 |
| ·BP神经网络 | 第43-45页 |
| ·BP算法 | 第43-45页 |
| ·信息的正向传递 | 第44-45页 |
| ·利用梯度下降法求权值变化及误差的反向传播 | 第45页 |
| ·基于MATLAB神经网络工具箱的隧道围岩位移智能反分析的实现 | 第45-55页 |
| ·MATLAB神经网络工具箱 | 第46-47页 |
| ·输入输出数据的预处理 | 第47页 |
| ·网络结构的确定 | 第47-50页 |
| ·隐层节点数的确定 | 第47-48页 |
| ·激活传递函数的确定 | 第48页 |
| ·训练函数的选择 | 第48-50页 |
| ·网络的训练 | 第50页 |
| ·网络的检验 | 第50-52页 |
| ·网络泛化能力的提高 | 第52-53页 |
| ·隧道围岩位移智能反分析程序流程图 | 第53-55页 |
| 第五章 隧道围岩位移智能反分析在铜黄高速隧道中的应用 | 第55-66页 |
| ·工程概况 | 第55-58页 |
| ·隧址区自然条件 | 第55-56页 |
| ·地理位置及地形地貌 | 第55-56页 |
| ·气候 | 第56页 |
| ·工程地质条件 | 第56-57页 |
| ·地层岩性 | 第56页 |
| ·地质构造 | 第56-57页 |
| ·水文地质条件 | 第57页 |
| ·不良地质现象 | 第57页 |
| ·隧道工程地质评价 | 第57-58页 |
| ·隧道洞室围岩类别的划分 | 第57页 |
| ·隧道洞室围岩稳定性评价 | 第57-58页 |
| ·隧道洞口稳定性评价 | 第58页 |
| ·地震基本烈度 | 第58页 |
| ·现场施工与监控量测 | 第58-64页 |
| ·监控量测的重要性 | 第58-59页 |
| ·测点布置及测试方法 | 第59-60页 |
| ·实测资料的整理方法 | 第60-61页 |
| ·量测断面 YK179+265的监测及监测数据的处理 | 第61-64页 |
| ·隧道围岩位移智能反分析 | 第64-66页 |
| 第六章 结论与展望 | 第66-67页 |
| ·本文结论 | 第66页 |
| ·本文展望 | 第66-67页 |
| 参考文献 | 第67-69页 |
