岩溶区公路隧道围岩分级专家系统研发与应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 选题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 隧道围岩分级研究现状 | 第10-14页 |
| 1.2.2 围岩分级专家系统研究现状 | 第14-15页 |
| 1.3 主要研究内容与技术路线 | 第15-17页 |
| 1.3.1 论文的主要研究内容 | 第15页 |
| 1.3.2 论文技术路线 | 第15-17页 |
| 第二章 岩溶区公路隧道围岩分级指标体系研究 | 第17-38页 |
| 2.1 常用围岩分级方法评述 | 第17-21页 |
| 2.1.1 RMR分类法 | 第17-18页 |
| 2.1.2 Q分类法 | 第18页 |
| 2.1.3 HC分类法 | 第18-20页 |
| 2.1.4 BQ分级法 | 第20-21页 |
| 2.2 分级指标的选取 | 第21-24页 |
| 2.3 分级指标的获取 | 第24-37页 |
| 2.3.1 岩石坚硬强度 | 第24-26页 |
| 2.3.2 岩体完整程度 | 第26-27页 |
| 2.3.3 地下水状态 | 第27-28页 |
| 2.3.4 结构面产状 | 第28-29页 |
| 2.3.5 岩溶状态 | 第29-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 岩溶隧道围岩分级模型研究 | 第38-54页 |
| 3.1 引言 | 第38页 |
| 3.2 BP神经网络简介 | 第38-40页 |
| 3.3 围岩分级模型专家知识库的建立 | 第40-47页 |
| 3.3.1 样本数据的收集 | 第40-42页 |
| 3.3.2 数据的处理与分析 | 第42-44页 |
| 3.3.3 专家样本集的建立 | 第44-47页 |
| 3.4 围岩分级模型的建立 | 第47-53页 |
| 3.4.1 遗传算法优化BP网络模型 | 第47-48页 |
| 3.4.2 遗传神经网络模型的参数设置 | 第48-51页 |
| 3.4.3 神经网络围岩分级模型的建立 | 第51-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 围岩分级专家系统的软件开发与应用 | 第54-67页 |
| 4.1 引言 | 第54页 |
| 4.2 系统开发工具 | 第54-55页 |
| 4.3 系统开发流程与功能设计 | 第55-56页 |
| 4.3.1 系统开发流程 | 第55-56页 |
| 4.3.2 功能设计 | 第56页 |
| 4.4 专家系统的实现 | 第56-62页 |
| 4.4.1 系统界面的设计 | 第56-57页 |
| 4.4.2 系统运用实例 | 第57-62页 |
| 4.5 工程验证 | 第62-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第五章 结论与展望 | 第67-69页 |
| 5.1 主要结论 | 第67页 |
| 5.2 后续工作展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间发表论文情况 | 第76页 |
