高速公路隧道施工监控量测技术研究
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第11-21页 |
1.1 选题背景及研究意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-18页 |
1.2.1 监控量测技术数据采集技术 | 第13页 |
1.2.2 监控量测技术数据处理方法 | 第13-17页 |
1.2.3 隧道有限元数值模拟 | 第17-18页 |
1.3 现有隧道监控技术的不足 | 第18-19页 |
1.4 本文主要硏究内容及技术路线 | 第19-21页 |
1.4.1 本文研究的主要内容 | 第19页 |
1.4.2 主要技术路线 | 第19-21页 |
第二章 新奥法施工监控量测技术要素分析 | 第21-37页 |
2.1 隧道新奥法监控量测概述 | 第21-24页 |
2.1.1 监控量测目的 | 第21-22页 |
2.1.2 监控量测流程 | 第22页 |
2.1.3 断面和测点布置原则 | 第22-23页 |
2.1.4 监测频率 | 第23-24页 |
2.2 监控量测方法 | 第24-31页 |
2.2.1 必测项目 | 第24-27页 |
2.2.2 选测项目 | 第27-31页 |
2.3 围岩稳定性判别及其影响因素 | 第31-36页 |
2.3.1 初期支护稳定性判别 | 第31-34页 |
2.3.2 二次衬砌稳定性判别 | 第34页 |
2.3.3 围岩稳定性影响因素 | 第34-36页 |
2.4 本章小结 | 第36-37页 |
第三章 监控量测数据处理方法研究 | 第37-49页 |
3.1 回归分析法 | 第37-40页 |
3.2 灰色系统理论 | 第40-43页 |
3.2.1 GM(1,1)模型 | 第40-41页 |
3.2.2 GM(1,1)优化模型 | 第41-42页 |
3.2.3 Verhulst 模型 | 第42-43页 |
3.3 人工神经网络 | 第43-46页 |
3.3.1 人工神经元模型 | 第43-44页 |
3.3.2 人工神经网络模型 | 第44-45页 |
3.3.3 BP 神经网络模型 | 第45-46页 |
3.4 遗传算法 | 第46-48页 |
3.5 本章小结 | 第48-49页 |
第四章 基于 MIDAS/GTS 的数值模拟 | 第49-70页 |
4.1 工程概况 | 第49-50页 |
4.2 隧道工程地质条件 | 第50-52页 |
4.2.1 地形地貌 | 第50页 |
4.2.2 水文地质条件 | 第50-51页 |
4.2.3 区域地质构造、地震 | 第51页 |
4.2.4 地层岩性 | 第51-52页 |
4.3 基于 MIDAS/GTS 建立有限元模型 | 第52-58页 |
4.3.1 单元选择 | 第52-57页 |
4.3.2 计算参数的选取 | 第57页 |
4.3.3 建立模型 | 第57-58页 |
4.4 计算结果分析 | 第58-68页 |
4.4.1 Ⅲ级围岩区段计算结果分析 | 第58-61页 |
4.4.2 Ⅳ级围岩区段计算结果分析 | 第61-63页 |
4.4.3 Ⅴ级围岩区段计算结果分析 | 第63-68页 |
4.5 本章小结 | 第68-70页 |
第五章 拱石山隧道施工监控量测技术应用研究 | 第70-93页 |
5.1 三维模型分析 | 第70-76页 |
5.1.1 施工阶段模拟 | 第70-71页 |
5.1.2 建立三维模型 | 第71-74页 |
5.1.3 三维模型分析结果 | 第74-76页 |
5.2 拱石山隧道监控量测数据分析 | 第76-85页 |
5.2.1 Ⅲ级围岩区段数据分析 | 第77-80页 |
5.2.2 Ⅳ级围岩区段数据分析 | 第80-83页 |
5.2.3 Ⅴ级围岩区段数据分析 | 第83-85页 |
5.3 其他监测项目成果分析 | 第85-89页 |
5.3.1 地表沉降 | 第85-86页 |
5.3.2 围岩内部位移 | 第86-87页 |
5.3.3 锚杆轴力 | 第87-88页 |
5.3.4 钢支撑内力 | 第88-89页 |
5.4 隧道施工安全性评估 | 第89-92页 |
5.4.1 隧道围岩稳定性判别 | 第89-91页 |
5.4.2 拱石山隧道预警指标 | 第91-92页 |
5.5 本章小结 | 第92-93页 |
结论与展望 | 第93-95页 |
参考文献 | 第95-99页 |
攻读硕士学位期间取得的研究成果 | 第99-100页 |
致谢 | 第100-101页 |
附件 | 第101页 |