摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第11-19页 |
1.1 选题背景及意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-16页 |
1.2.1 隧道工程监测技术现状 | 第12-14页 |
1.2.2 隧道施工岩土体参数反分析技术现状 | 第14-15页 |
1.2.3 时间序列预测研究现状 | 第15-16页 |
1.3 本文主要研究内容与技术路线 | 第16-18页 |
1.4 本章小结 | 第18-19页 |
第2章 理论基础 | 第19-35页 |
2.1 差异进化算法 | 第19-22页 |
2.1.1 差异进化算法概述 | 第19页 |
2.1.2 差异进化算法基本操作 | 第19-21页 |
2.1.3 差异进化算法框架 | 第21-22页 |
2.1.4 参数设置分析 | 第22页 |
2.2 高斯过程机器学习方法 | 第22-27页 |
2.2.1 方法简介 | 第23-24页 |
2.2.2 基本原理 | 第24-25页 |
2.2.3 协方差函数 | 第25-27页 |
2.3 正交试验、敏感性分析及岩土体反分析基本理论 | 第27-29页 |
2.3.1 正交试验方案设计与参数敏感性分析 | 第27-28页 |
2.3.2 岩土体反分析 | 第28-29页 |
2.4 岩土体流固耦合理论 | 第29-33页 |
2.4.1 流固耦合类型选取 | 第29-30页 |
2.4.2 应力场与渗流场的耦合作用 | 第30-33页 |
2.4.3 流固耦合理论在隧道工程中的应用 | 第33页 |
2.5 时间序列 | 第33-34页 |
2.6 本章小结 | 第34-35页 |
第3章 隧道多元信息GP-DE反分析流程及算法实现 | 第35-47页 |
3.1 引言 | 第35-36页 |
3.2 算法的核心思想与关键技术 | 第36-44页 |
3.2.1 核心思想 | 第36页 |
3.2.2 关键技术 | 第36-37页 |
3.2.3 实现方法 | 第37页 |
3.2.4 方法验证 | 第37-41页 |
3.2.5 参数优化 | 第41-44页 |
3.3 岩土体参数GP-DE联合信息反分析方法介绍 | 第44-45页 |
3.3.1 GP-DE联合信息反分析方法简介 | 第44-45页 |
3.3.2 方法意义与优势 | 第45页 |
3.4 本章小结 | 第45-47页 |
第4章 城市浅埋隧道工程围岩参数敏感性及GP-DE反分析应用 | 第47-70页 |
4.1 引言 | 第47页 |
4.2 工程介绍 | 第47-49页 |
4.2.1 工程概况 | 第47-48页 |
4.2.2 工程地质 | 第48页 |
4.2.3 施工方案 | 第48-49页 |
4.3 监测方案及监测信息分析 | 第49-57页 |
4.3.1 监测方案 | 第49-53页 |
4.3.2 监测数据分析 | 第53-57页 |
4.4 数值模型建立及敏感性分析 | 第57-61页 |
4.4.1 数值模型 | 第57-58页 |
4.4.2 正交计算及敏感性分析 | 第58-61页 |
4.5 基于GP-DE的位移-应力联合反分析 | 第61-68页 |
4.5.1 围岩参数差异进化位移反分析 | 第61-64页 |
4.5.2 围岩参数GP-DE位移应力联合反分析 | 第64-68页 |
4.6 施工反馈 | 第68页 |
4.7 本章小结 | 第68-70页 |
第5章 富水区山岭隧道施工围岩参数敏感性及GP-DE反分析 | 第70-92页 |
5.1 引言 | 第70页 |
5.2 工程介绍 | 第70-72页 |
5.2.1 工程概况 | 第70-71页 |
5.2.2 工程地质及水文地质 | 第71-72页 |
5.3 陈家店隧道模型建立及监测方案 | 第72-75页 |
5.3.1 数值计算模型 | 第72-74页 |
5.3.2 监测方案 | 第74-75页 |
5.4 正交计算及敏感性分析 | 第75-78页 |
5.5 基于GP-DE位移-渗流联合反分析 | 第78-82页 |
5.6 隧道开挖施工方法对比 | 第82-91页 |
5.6.1 CRD法及双侧壁导坑法介绍及评价 | 第82-83页 |
5.6.2 开挖数值模拟方法 | 第83-85页 |
5.6.3 数值模拟结果分析 | 第85-91页 |
5.7 本章小结 | 第91-92页 |
第6章 隧道变形非线性时间序列GP-DE预测方法及工程应用 | 第92-103页 |
6.1 引言 | 第92页 |
6.2 基于GP-DE的单一变量时间序列预测方法 | 第92-95页 |
6.2.1 预测方法的实现 | 第92-94页 |
6.2.2 预测结果精度评价指标 | 第94-95页 |
6.3 基于GP-DE的多变量非线性时间序列预测方法 | 第95-97页 |
6.3.1 主成分分析(PCA)方法 | 第95-96页 |
6.3.2 GP-DE结合PCA隧道变形预测方法 | 第96-97页 |
6.4 工程应用 | 第97-102页 |
6.4.1 单一变量时间序列预测 | 第97-100页 |
6.4.2 多变量时间序列预测 | 第100-102页 |
6.5 本章小结 | 第102-103页 |
第7章 结论与展望 | 第103-105页 |
7.1 结论 | 第103-104页 |
7.2 展望 | 第104-105页 |
参考文献 | 第105-111页 |
攻读学位期间公开发表论文 | 第111-112页 |
致谢 | 第112-113页 |
研究生履历 | 第113页 |