| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第7-14页 |
| 1.1 前言 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 SMR岩体质量分类法 | 第8-9页 |
| 1.2.2 BP神经网络法 | 第9-12页 |
| 1.3 研究思路及技术路线 | 第12-13页 |
| 1.3.1 研究方法与手段 | 第12页 |
| 1.3.2 研究技术路线 | 第12-13页 |
| 1.4 本文主要研究内容 | 第13页 |
| 1.5 本文主要创新点 | 第13-14页 |
| 1.5.1 拟解决的关键问题 | 第13页 |
| 1.5.2 创新点 | 第13-14页 |
| 第2章 岩体质量分类法及其应用要点研究 | 第14-21页 |
| 2.1 SMR岩体质量分类法 | 第14-17页 |
| 2.2 岩体质量分类法应用要点研究 | 第17-21页 |
| 2.2.1 赤平投影法确定不稳定结构面 | 第17-19页 |
| 2.2.2 岩体质量分类法的参数取值方法 | 第19-21页 |
| 第3章 工程实例 | 第21-59页 |
| 3.1 工程概况 | 第21-22页 |
| 3.2 工程地质 | 第22页 |
| 3.3 岩体质量分类法评价 | 第22-57页 |
| 3.3.1 岩体质量分类参数 | 第22-26页 |
| 3.3.2 结构面产状 | 第26-30页 |
| 3.3.3 区域 1 | 第30-35页 |
| 3.3.4 区域 2 | 第35-39页 |
| 3.3.5 区域 3 | 第39-43页 |
| 3.3.6 区域 4 | 第43-48页 |
| 3.3.7 区域 5 | 第48-53页 |
| 3.3.8 SMR岩体质量分类法分类结果及分析 | 第53-56页 |
| 3.3.9 设计参数 | 第56-57页 |
| 3.4 小结 | 第57-59页 |
| 第4章 基于BP神经网络的岩质边坡稳定边坡角预测模型 | 第59-73页 |
| 4.1 基于MATLAB的BP神经网络设计 | 第59-64页 |
| 4.1.1 MATLAB简介 | 第59页 |
| 4.1.2 神经网络设计的基本原则 | 第59页 |
| 4.1.3 BP神经网络简介 | 第59-61页 |
| 4.1.4 BP神经网络设计的基本方法 | 第61-63页 |
| 4.1.5 BP神经网络影响因子研究 | 第63-64页 |
| 4.2 基于SMR分类建立的BP神经网络 | 第64-72页 |
| 4.2.1 输入、输出样本数据的提取与量化 | 第64-68页 |
| 4.2.2 创建BP神经网络 | 第68页 |
| 4.2.3 训练网络 | 第68-69页 |
| 4.2.4 测试网络 | 第69-71页 |
| 4.2.5 应用网络预测岩质边坡角 | 第71-72页 |
| 4.3 小结 | 第72-73页 |
| 第5章 结论与展望 | 第73-74页 |
| 5.1 结论 | 第73页 |
| 5.2 展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79页 |