摘要 | 第4-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第9-14页 |
1.1 引言 | 第9-10页 |
1.2 深基坑变形监测研究现状 | 第10-11页 |
1.3 深基坑变形预测研究现状 | 第11-13页 |
1.4 本文主要的技术路线和研究内容 | 第13-14页 |
第二章 深基坑变形监测研究 | 第14-21页 |
2.1 深基坑变形机理 | 第14-15页 |
2.2 监测的目的 | 第15-16页 |
2.3 监测方案编制依据和设计原则 | 第16-17页 |
2.3.1 监测方案编制依据 | 第16页 |
2.3.2 监测方案设计原则 | 第16-17页 |
2.4 监测内容和方法 | 第17-18页 |
2.4.1 监测内容 | 第17页 |
2.4.2 监测方法 | 第17-18页 |
2.5 监测系统布设 | 第18-20页 |
2.5.1 深基坑变形监测网的布设 | 第18-19页 |
2.5.2 深基坑变形监测点的布设 | 第19页 |
2.5.3 垂直位移监测网的布设 | 第19-20页 |
2.5.4 垂直位移监测点的布设 | 第20页 |
2.6 监测数据处理和分析 | 第20页 |
2.7 监测成果及提交形式 | 第20页 |
2.8 小结 | 第20-21页 |
第三章 深基坑变形预测模型研究 | 第21-34页 |
3.1 灰色系统预测模型 | 第21-25页 |
3.1.1 深基坑的灰色系统特点 | 第21-22页 |
3.1.2 灰色预测原理 | 第22页 |
3.1.3 GM(1.1)模型建模机理 | 第22-24页 |
3.1.4 GM(1.1)模型精度检验 | 第24-25页 |
3.3 BP神经网络预测模型 | 第25-29页 |
3.3.1 BP神经网络算法基本原理 | 第25-26页 |
3.3.2 BP神经网络拓扑结构的确定 | 第26-27页 |
3.3.3 BP神经网络的训练 | 第27-28页 |
3.3.4 BP神经网络模型的性能和泛化能力 | 第28-29页 |
3.4 Elman神经网络预测模型 | 第29-31页 |
3.4.1 Elman神经网络结构 | 第29-30页 |
3.4.2 Elman神经网络学习算法 | 第30-31页 |
3.5 灰色神经网络的组合模型 | 第31-33页 |
3.5.1 建立灰色神经网络组合模型的意义 | 第31-32页 |
3.5.2 灰色系统和神经网络的组合方式 | 第32页 |
3.5.3 灰色神经网络组合模型的建立 | 第32-33页 |
3.6 小结 | 第33-34页 |
第四章 深基坑变形监测工程实例分析 | 第34-49页 |
4.1 工程概况 | 第34-35页 |
4.1.1 基坑概况 | 第34-35页 |
4.1.2 建设场地基本情况及岩土工程条件 | 第35页 |
4.2 监测内容 | 第35-36页 |
4.3 监测使用的仪器和设备 | 第36页 |
4.4 基准点、监测点布置与测量 | 第36-46页 |
4.4.1 基坑围护桩顶水平位移监测 | 第38-40页 |
4.4.2 基坑锚杆(索)内力监测 | 第40-41页 |
4.4.3 基坑周边地表沉降监测 | 第41-42页 |
4.4.4 护坡深层水平位移 | 第42-45页 |
4.4.5 基坑周边已有建筑物沉降监测 | 第45页 |
4.4.6 基坑围护桩内力监测 | 第45-46页 |
4.5 监测频率和监测报警 | 第46-47页 |
4.5.1 监测频率 | 第46页 |
4.5.2 监测报警 | 第46-47页 |
4.6 监测反馈程序 | 第47-48页 |
4.7 小结 | 第48-49页 |
第五章 深基坑变形预测模型的工程应用 | 第49-61页 |
5.1 基于三种模型的基坑周边环境沉降变形预测及结果分析 | 第49-51页 |
5.2 基于三种模型的土体深层水平位移变形预测及结果分析 | 第51-53页 |
5.3 基于三种模型的桩顶水平位移变形预测及结果分析 | 第53-54页 |
5.4 基于灰色BP神经网络组合模型的变形预测分析 | 第54-57页 |
5.5 基于灰色ELman神经网络组合模型的变形预测分析 | 第57-59页 |
5.6 小结 | 第59-61页 |
第六章 总结与展望 | 第61-63页 |
6.1 本文研究的总结 | 第61-62页 |
6.2 展望 | 第62-63页 |
参考文献 | 第63-67页 |
致谢 | 第67页 |