| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第16-30页 |
| 1.1 研究背景 | 第16-17页 |
| 1.2 研究目的与意义 | 第17-18页 |
| 1.2.1 研究目的 | 第17页 |
| 1.2.2 研究意义 | 第17-18页 |
| 1.3 国内外研究现状及发展趋势 | 第18-26页 |
| 1.3.1 国内外地下工程及海底隧道风险管理研究现状 | 第18-21页 |
| 1.3.2 基于BIM的施工管理研究现状 | 第21-23页 |
| 1.3.3 多源信息融合研究现状 | 第23-25页 |
| 1.3.4 BIM、数据融合与风险管理文献分析 | 第25-26页 |
| 1.4 研究思路及创新点 | 第26-30页 |
| 1.4.1 研究内容 | 第26-27页 |
| 1.4.2 研究方法及技术路线 | 第27-28页 |
| 1.4.3 研究创新点 | 第28-30页 |
| 第二章 整合质量因素的海底隧道施工风险管理 | 第30-39页 |
| 2.1 工程风险基本概念 | 第30-33页 |
| 2.1.1 工程风险的定义 | 第30-31页 |
| 2.1.2 风险管理与安全管理内涵辨析 | 第31-32页 |
| 2.1.3 海底隧道施工风险 | 第32-33页 |
| 2.2 基于4M1E整合质量因素与风险管理 | 第33-36页 |
| 2.2.1 工程质量与质量控制 | 第33页 |
| 2.2.2 质量与风险管理整合 | 第33-35页 |
| 2.2.3 基于4M1E的工程质量与风险整合 | 第35-36页 |
| 2.3 基于BIM的质量与风险关系集成 | 第36-39页 |
| 2.3.1 BIM技术在施工质量管理和风险管理中的应用 | 第36-37页 |
| 2.3.2 基于BIM的质量因素与风险管理集成框架 | 第37-39页 |
| 第三章 基于文本挖掘的海底隧道4M1E施工风险分析 | 第39-54页 |
| 3.1 地铁项目施工风险辨识 | 第39-43页 |
| 3.1.1 地铁项目施工事故统计分析 | 第39-40页 |
| 3.1.2 基于文本挖掘的的地铁项目施工致险因素分析 | 第40-43页 |
| 3.2 海底隧道施工风险发生机理 | 第43-46页 |
| 3.2.1 施工风险机理基本内涵 | 第43-44页 |
| 3.2.2 事故致因理论 | 第44页 |
| 3.2.3 海底隧道施工风险产生机理基本框架 | 第44-45页 |
| 3.2.4 海底隧道施工风险因素辨识 | 第45-46页 |
| 3.3 海底隧道施工风险评价指标体系构建 | 第46-51页 |
| 3.3.1 海底隧道施工风险评价指标选取原则 | 第46-47页 |
| 3.3.2 基于文献的海底隧道施工风险指标因素识别 | 第47-51页 |
| 3.4 基于4M1E和多源信息融合的施工风险管理模型 | 第51-54页 |
| 3.4.1 基于4M1E和多源信息融合的施工风险管理框架 | 第51页 |
| 3.4.2 施工风险管理框架分析 | 第51-54页 |
| 第四章 基于BIM和改进证据理论的海底隧道施工风险评价 | 第54-80页 |
| 4.1 基于BIM和改进D-S证据理论的海底隧道施工风险评价方法 | 第54-60页 |
| 4.1.1 D-S证据理论 | 第54-56页 |
| 4.1.2 模糊物元(FME) | 第56-57页 |
| 4.1.3 基于BIM施工风险感知的多源信息融合方法 | 第57-60页 |
| 4.2 海底隧道施工盾构机刀盘事故风险评价 | 第60-77页 |
| 4.2.1 事故风险指标体系建立 | 第60-63页 |
| 4.2.2 指标说明及数据来源 | 第63-66页 |
| 4.2.3 指标分级及归一化处理 | 第66-72页 |
| 4.2.4 基于BIM和改进证据理论的风险评价过程 | 第72-73页 |
| 4.2.5 基本可信度分配及融合结果 | 第73-76页 |
| 4.2.6 盾构机刀盘事故风险状态融合决策 | 第76页 |
| 4.2.7 刀盘事故原因分析 | 第76-77页 |
| 4.3 海底隧道施工风险预测技术 | 第77-80页 |
| 第五章 基于BIM和云证据理论的海底隧道施工风险预警 | 第80-100页 |
| 5.1 海底隧道施工风险预警框架 | 第80-81页 |
| 5.2 多源信息处理一般过程 | 第81-85页 |
| 5.2.1 基于小波分析的多源信息去噪 | 第81-83页 |
| 5.2.2 基于BP神经网络的数据预测 | 第83-85页 |
| 5.3 基于BIM和云证据理论的施工风险预警模型 | 第85-88页 |
| 5.3.1 云模型 | 第85-86页 |
| 5.3.2 基于BIM和云证据理论的风险预警决策过程 | 第86-87页 |
| 5.3.3 海底隧道施工风险预警指标体系架构 | 第87-88页 |
| 5.4 海底隧道施工五缘湾风险事件研究 | 第88-98页 |
| 5.4.1 五缘湾施工风险事件背景 | 第88-89页 |
| 5.4.2 基于小波去噪的五缘湾风险事件数据处理 | 第89-92页 |
| 5.4.3 基于BP神经网络的五缘湾风险事件数据预测 | 第92页 |
| 5.4.4 基于云证据理论的五缘湾施工风险预警 | 第92-98页 |
| 5.4.5 海底隧道施工风险预警决策结果分析 | 第98页 |
| 5.5 基于BIM和专家群决策的风险预警决策 | 第98-100页 |
| 第六章 基于云BIM的海底隧道施工风险支持决策系统初步设计 | 第100-111页 |
| 6.1 动态预警的几项关键技术 | 第100-104页 |
| 6.1.1 B/S架构 | 第100-102页 |
| 6.1.2 中间件技术 | 第102-103页 |
| 6.1.3 数据仓库技术 | 第103-104页 |
| 6.2 基于云BIM的海底隧道施工风险支持决策系统框架 | 第104-108页 |
| 6.2.1 感知层 | 第104-107页 |
| 6.2.2 支撑层 | 第107页 |
| 6.2.3 应用层 | 第107-108页 |
| 6.3 跨平台的多源异构数据互用系统 | 第108-111页 |
| 6.3.1 支撑BIM信息互用的三类标准 | 第108页 |
| 6.3.2 基于IFC的海底隧道多源信息互用系统 | 第108-111页 |
| 第七章 结论与展望 | 第111-113页 |
| 7.1 主要研究结论 | 第111-112页 |
| 7.2 未来的工作 | 第112-113页 |
| 参考文献 | 第113-122页 |
| 附录 | 第122-125页 |
| 在读期间参与科研与研究成果 | 第125-126页 |
| 致谢 | 第126页 |
