| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-17页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.2 国内外研究方法及现状 | 第9-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 第2章 广州地铁十三号线盾构施工参数统计及地表沉降预测模型 | 第17-36页 |
| 2.1 工程概况 | 第17-23页 |
| 2.2 盾构隧道施工地表沉降机理 | 第23-25页 |
| 2.3 盾构施工参数对地表沉降的影响 | 第25-31页 |
| 2.4 地表沉降预测模型选择 | 第31-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 基于支持向量回归机改进沉降预测模型 | 第36-47页 |
| 3.1 统计学习理论与SRM准则 | 第36-38页 |
| 3.2 支持向量机分类理论 | 第38-41页 |
| 3.3 支持向量机回归（SVR）原理 | 第41-43页 |
| 3.4 核函数 | 第43-44页 |
| 3.5 SVR参数寻优 | 第44-45页 |
| 3.6 基于SVR预测地表中心最大沉降 | 第45-46页 |
| 3.7 本章小结 | 第46-47页 |
| 第4章 SVR预测模型在广州地铁十三号线盾构施工中的应用 | 第47-68页 |
| 4.1 训练和预测数据的选取 | 第47-51页 |
| 4.2 输入数据预处理及泛化能力评价标准 | 第51-52页 |
| 4.3 SVR建模并预测 | 第52-62页 |
| 4.4 SVR算法与BP神经网络算法预测的对比 | 第62-66页 |
| 4.5 基于SVR改进后的Peck公式在实际工程中的应用 | 第66-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第5章 结论和展望 | 第68-70页 |
| 5.1 结论 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75页 |
