| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第11-24页 |
| 1.1 引言 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-22页 |
| 1.2.1 TBM施工数据管理 | 第13-16页 |
| 1.2.2 工程项目中数据库的应用 | 第16-19页 |
| 1.2.3 TBM岩-机数据分析 | 第19-22页 |
| 1.3 本文研究内容和组织框架 | 第22-24页 |
| 第2章 TBM施工数据管理 | 第24-48页 |
| 2.1 引言 | 第24-25页 |
| 2.2 TBM施工数据特点 | 第25-27页 |
| 2.2.1 TBM施工数据来源 | 第25页 |
| 2.2.2 TBM施工数据特点分析 | 第25-27页 |
| 2.3 TBM施工数据管理分析 | 第27-38页 |
| 2.3.1 TBM施工数据管理需求分析 | 第27-31页 |
| 2.3.2 基于数据特点和需求分析的数据库选取 | 第31-35页 |
| 2.3.3 基于MongoDB和MySQL的数据管理方案 | 第35-38页 |
| 2.4 TBM施工数据管理设计 | 第38-47页 |
| 2.4.1 数据存储过程 | 第38-43页 |
| 2.4.2 数据检索过程 | 第43-47页 |
| 2.5 本章小结 | 第47-48页 |
| 第3章 TBM岩-机数据互馈分析 | 第48-72页 |
| 3.1 引言 | 第48-49页 |
| 3.2 TBM岩-机数据特点分析 | 第49-52页 |
| 3.2.1 工程地质及水文特征 | 第49页 |
| 3.2.2 TBM主要技术参数 | 第49-50页 |
| 3.2.3 TBM岩-机数据特点分析 | 第50-52页 |
| 3.3 基于多元统计分析的TBM掘进参数分析 | 第52-60页 |
| 3.3.1 TBM掘进参数运行规律分析 | 第52-55页 |
| 3.3.2 TBM掘进参数相关分析 | 第55-56页 |
| 3.3.3 TBM掘进参数多元线性回归分析 | 第56-60页 |
| 3.4 基于人工神经网络的TBM岩-机数据互馈分析 | 第60-71页 |
| 3.4.1 基于BP神经网络的总推进力的预测分析 | 第60-66页 |
| 3.4.2 基于BP神经网络的刀盘扭矩的预测分析 | 第66-68页 |
| 3.4.3 基于SVM的围岩类型预测模型 | 第68-71页 |
| 3.5 本章小结 | 第71-72页 |
| 第4章 TBM施工数据管理与分析系统设计 | 第72-89页 |
| 4.1 引言 | 第72页 |
| 4.2 系统整体设计 | 第72-76页 |
| 4.2.1 系统开发架构设计 | 第72-73页 |
| 4.2.2 系统软件结构设计 | 第73-74页 |
| 4.2.3 系统模块结构设计 | 第74-76页 |
| 4.3 系统功能模块详细设计与实现 | 第76-83页 |
| 4.3.1 登录模块 | 第76-78页 |
| 4.3.2 文件存储模块 | 第78-80页 |
| 4.3.3 数据查询模块 | 第80-81页 |
| 4.3.4 数据预处理模块 | 第81-82页 |
| 4.3.5 数据分析模块 | 第82-83页 |
| 4.4 TBM施工数据管理与分析系统优化 | 第83-88页 |
| 4.4.1 LoadRunner自动化测试与结果 | 第83-85页 |
| 4.4.2 问题分析与优化 | 第85-88页 |
| 4.5 本章小结 | 第88-89页 |
| 第5章 总结与展望 | 第89-91页 |
| 5.1 全文总结 | 第89-90页 |
| 5.2 工作展望 | 第90-91页 |
| 参考文献 | 第91-95页 |
| 附录 | 第95-97页 |