| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 1 绪论 | 第12-21页 |
| ·课题的提出 | 第12-13页 |
| ·选题背景 | 第13-19页 |
| ·岩土类材料流变理论简介 | 第13-15页 |
| ·流变模型简介 | 第15-16页 |
| ·位移反分析法研究现状 | 第16-19页 |
| ·本文主要研究内容 | 第19-21页 |
| ·论文的主要内容 | 第19页 |
| ·采用的技术路线 | 第19-21页 |
| 2 深埋硐室围岩位移参数反分析的基本思路 | 第21-32页 |
| ·深埋硐室围岩位移反分析的基本思路 | 第21页 |
| ·深埋硐室工程的特点及其位移反分析的必要性 | 第21-22页 |
| ·深埋硐室围岩位移反分析的提出 | 第22-23页 |
| ·深埋硐室围岩位移的影响因素 | 第23-24页 |
| ·深埋硐室围岩位移反分析计算模型的确定 | 第24-29页 |
| ·Burgers体流变计算模型的简介 | 第25-27页 |
| ·符合Burgers体模型的圆形围岩巷道粘弹性位移解析解 | 第27-29页 |
| ·深埋硐室围岩位移反分析反演参数的确定 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 3 深埋硐室开挖初衬粘弹性模拟及其正交试验 | 第32-55页 |
| ·FLAC-3D显示有限差分程序简介 | 第32-33页 |
| ·深埋硐室开挖初衬粘弹性模拟试验 | 第33-47页 |
| ·深埋硐室围岩衬砌结构及分析说明 | 第33-34页 |
| ·试验模型的建立 | 第34-38页 |
| ·运算前的准备 | 第38-41页 |
| ·结果分析 | 第41-47页 |
| ·正交模拟试验 | 第47-52页 |
| ·训练样本的生成 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 4 基于改进BP人工神经网络的深部巷道围岩位移反分析 | 第55-79页 |
| ·人工神经网络概述 | 第55-56页 |
| ·人工神经网络的基本结构和模型 | 第56-61页 |
| ·人工神经元的模型 | 第56-57页 |
| ·激活传递函数 | 第57-59页 |
| ·单层神经元网络模型结构 | 第59-60页 |
| ·多层神经元网络 | 第60-61页 |
| ·神经网络的训练与回忆操作 | 第61-62页 |
| ·神经网络的训练 | 第61-62页 |
| ·神经网络的回忆操作 | 第62页 |
| ·BP神经网络的算法学习规则 | 第62-66页 |
| ·基于MATLAB神经网络工具箱的深埋硐室围岩位移反分析的实现 | 第66-77页 |
| ·MATLAB神经网络工具箱 | 第67-68页 |
| ·输入输出数据的预处理 | 第68-69页 |
| ·网络结构的确定 | 第69-72页 |
| ·网络的训练 | 第72-73页 |
| ·网络的检验 | 第73-75页 |
| ·网络泛化能力的提高 | 第75-77页 |
| ·深部巷道围岩位移反分析流程图 | 第77页 |
| ·本章小结 | 第77-79页 |
| 5 深埋硐室围岩位移反分析的工程实践 | 第79-86页 |
| ·硐室概况 | 第79-80页 |
| ·现场实测 | 第80-83页 |
| ·流变参数反演 | 第83页 |
| ·正算检验 | 第83-85页 |
| ·本章小结 | 第85-86页 |
| 6 结论与展望 | 第86-88页 |
| ·结论 | 第86页 |
| ·展望 | 第86-88页 |
| 参考文献 | 第88-93页 |
| 致谢 | 第93-94页 |
| 作者简介及读研期间主要科研成果 | 第94页 |
