| 1 前言 | 第1-12页 |
| 2 研究思路 | 第12-15页 |
| 2．1 整体思路 | 第12页 |
| 2．2 系统研发 | 第12-13页 |
| 2．3 研发重点 | 第13-15页 |
| 3 基于规范的冻土工程热学参数智能分析系统研发 | 第15-67页 |
| 3．1 引言 | 第15-19页 |
| 3．2 现有的各种计算方法评述 | 第19-21页 |
| 3．3 现有各种取值方法所存在的问题 | 第21-22页 |
| 3．4 本章研发思路 | 第22-29页 |
| 3．5 本章研发过程与特点 | 第29-55页 |
| 3．5．1 样本数据的分析 | 第29-30页 |
| 3．5．2 科学使用现有数据 | 第30-42页 |
| 3．5．3 构建各土类间导热系数预测的统一模型 | 第42-53页 |
| 3．5．4 统一模型的预测能力 | 第53-55页 |
| 3．6 本章系统功能实例 | 第55-66页 |
| 3．6．1 系统运行流程 | 第55页 |
| 3．6．2 分析典型土类 | 第55-61页 |
| 3．6．3 分析未知土类 | 第61-66页 |
| 3．7 本章小结 | 第66-67页 |
| 4 基于Hock-Brown准则的岩体力学参数智能预测评价系统研发 | 第67-125页 |
| 4．1 引言 | 第67-75页 |
| 4．2 Hoek-Brown准则在应用中存在的问题与本章研发目标 | 第75-79页 |
| 4．3 针对地质强度指标和扰动性指标难以定量取值的研发思路 | 第79-80页 |
| 4．4 本章研发过程与特点 | 第80-116页 |
| 4．4．1 相关的各主观心理因素 | 第80-84页 |
| 4．4．2 消除各主观因素对地质强度指标和扰动性指标经验取值的影响 | 第84-106页 |
| 4．4．3 消除各主观因素影响的整体综合模型 | 第106-107页 |
| 4．4．4 整体综合模型的应用性能评价 | 第107-111页 |
| 4．4．5 对地质强度指标GSI的判定 | 第111-115页 |
| 4．4．6 对岩体扰动指标D的判定 | 第115-116页 |
| 4．5 本章系统功能实例 | 第116-124页 |
| 4．5．1 系统运行流程 | 第116-117页 |
| 4．5．2 边坡岩体参数预测实例 | 第117-121页 |
| 4．5．3 硐室围岩参数预测实例 | 第121-124页 |
| 4．6 本章小结 | 第124-125页 |
| 5 冻土通风管路基优化设计智能分析系统 | 第125-169页 |
| 5．1 引言 | 第125-127页 |
| 5．2 存在的问题 | 第127页 |
| 5．3 解题思路 | 第127-129页 |
| 5．4 本章研发过程与特点 | 第129-156页 |
| 5．4．1 仿真实验方案设计 | 第129-132页 |
| 5．4．2 系统仿真实验 | 第132-135页 |
| 5．4．3 温度场的简化 | 第135-139页 |
| 5．4．4 构建具有时间连续性的温度场演化预测模型 | 第139-143页 |
| 5．4．5 预测模型自升级功能的实现 | 第143-151页 |
| 5．4．6 系统开发与集成 | 第151-156页 |
| 5．5 本章系统功能实例 | 第156-168页 |
| 5．5．1 系统运行流程 | 第157页 |
| 5．5．2 温度场演化常规分析演示 | 第157-161页 |
| 5．5．3 基于温度场演化预测的优化设计分析 | 第161-168页 |
| 5．6 本章小结 | 第168-169页 |
| 6 节理断层硐室围岩稳定性与支护结构强度智能分析系统研发 | 第169-201页 |
| 6．1 引言 | 第169-170页 |
| 6．2 本章研发思路 | 第170-171页 |
| 6．3 本章研发过程与特点 | 第171-185页 |
| 6．3．1 同时考虑多种因素变化的影响 | 第171-173页 |
| 6．3．2 仿真实验方案设计 | 第173-175页 |
| 6．3．3 系统仿真实验 | 第175-178页 |
| 6．3．4 场量的简化 | 第178-180页 |
| 6．3．5 构建大规模分区神经网络模型 | 第180-183页 |
| 6．3．6 构建智能分析补充模型 | 第183-184页 |
| 6．3．7 正、反分析系统的开发 | 第184-185页 |
| 6．4 本章系统功能实例 | 第185-199页 |
| 6．4．1 系统运行流程 | 第185页 |
| 6．4．2 系统分析实例 | 第185-197页 |
| 6．4．3 基于系统分析功能尝试总结围岩变形量化规律 | 第197-199页 |
| 6．5 本章小结 | 第199-201页 |
| 7 岩土工程智能分析系统解决方案 | 第201-219页 |
| 7．1 智能系统中的知识结构 | 第201-206页 |
| 7．1．1 专家经验分类 | 第201-203页 |
| 7．1．2 专家经验的应用 | 第203-205页 |
| 7．1．3 专家经验的更新 | 第205-206页 |
| 7．2 智能分析系统中的核心技术 | 第206-207页 |
| 7．2．1 基于逻辑推理和归纳发展起来的专家经验推理规则 | 第206页 |
| 7．2．2 基于解剖学和计算数学发展起来的神经网络工具 | 第206页 |
| 7．2．3 基于对心理活动研究发展起来的心理学有关研究 | 第206-207页 |
| 7．3 智能分析系统在岩土工程中的应用模式 | 第207-211页 |
| 7．3．1 参数取值问题 | 第207-210页 |
| 7．3．2 工程稳定性分析及优化设计 | 第210-211页 |
| 7．4 岩土工程智能分析系统解决方案 | 第211-219页 |
| 7．4．1 岩土体参数确定 | 第212-213页 |
| 7．4．2 系统数值仿真实验 | 第213-214页 |
| 7．4．3 构建智能分析模型 | 第214-216页 |
| 7．4．4 智能量化分析与优化设计 | 第216-217页 |
| 7．4．5 升级与管理 | 第217页 |
| 7．4．6 模块开发与集成 | 第217-219页 |
| 8 结论与展望 | 第219-221页 |
| 致谢 | 第221-222页 |
| 参考文献 | 第222-230页 |
| 附录1: 系统错误处理的设计 | 第230-232页 |
| 附录2: 不同语言间的系统集成 | 第232-235页 |
| 攻读博士学位期间发表的主要论文 | 第235页 |
