| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 近接施工的研究现状 | 第11-13页 |
| 1.2.1 近接施工的特点 | 第11页 |
| 1.2.2 近接施工的国内外研究现状 | 第11-13页 |
| 1.3 反分析法的研究现状 | 第13-14页 |
| 1.4 本文研究的主要内容 | 第14-16页 |
| 第2章 正交设计方法与智能算法理论 | 第16-25页 |
| 2.1 ABAQUS简介 | 第16-17页 |
| 2.2 岩土体参数本构模型 | 第17-18页 |
| 2.3 正交设计原理 | 第18-19页 |
| 2.4 位移反分析算法原理 | 第19-24页 |
| 2.4.1 BP神经网络算法原理 | 第19-23页 |
| 2.4.2 粒子群优化算法原理 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 不同开挖方式对隧道围岩稳定性影响分析 | 第25-39页 |
| 3.1 不同开挖方案 | 第25-26页 |
| 3.2 数值模型的建立 | 第26-30页 |
| 3.2.1 建立模型 | 第27-28页 |
| 3.2.2 围岩与支护结构材料参数 | 第28页 |
| 3.2.3 模型荷载、接触及边界条件 | 第28-30页 |
| 3.3 数值模拟结果分析 | 第30-38页 |
| 3.3.1 地表沉降分析 | 第30-31页 |
| 3.3.2 围岩应力场分析 | 第31-34页 |
| 3.3.3 围岩位移场分析 | 第34-37页 |
| 3.3.4 锚杆及衬砌的内力分析 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于PSO—BP算法的围岩参数反演 | 第39-58页 |
| 4.1 岩体工程参数反分析 | 第39-41页 |
| 4.1.1 位移反分析 | 第39页 |
| 4.1.2 基于粒子群的BP神经网络优化算法实现步骤及流程图 | 第39-41页 |
| 4.2 正交试验设计步骤 | 第41-47页 |
| 4.2.1 围岩参数反分析的正交方案 | 第42-43页 |
| 4.2.2 正交设计方案结果极差分析 | 第43-46页 |
| 4.2.3 正交设计方案结果方差分析 | 第46-47页 |
| 4.3 BP神经网络的围岩参数反分析 | 第47-52页 |
| 4.3.1 网络训练学习样本 | 第48-49页 |
| 4.3.2 BP神经网络工具箱 | 第49-52页 |
| 4.4 基于粒子群的BP神经网络优化算法的围岩参数反分析 | 第52-56页 |
| 4.4.1 基于粒子群的BP神经网络优化算法编程 | 第52-54页 |
| 4.4.2 PSO—BP算法的围岩参数反分析 | 第54-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第5章 隧道围岩参数反演与近接施工的模拟分析 | 第58-75页 |
| 5.1 凌水一号桥区间的地铁工程概况 | 第58-59页 |
| 5.2 地铁施工测量 | 第59-60页 |
| 5.2.1 中线控制测量 | 第59-60页 |
| 5.2.2 高程测量及洞内断面测量 | 第60页 |
| 5.3 开挖方法 | 第60-62页 |
| 5.4 现场监测及监测数据处理 | 第62-66页 |
| 5.4.1 地表沉降数据分析 | 第63-64页 |
| 5.4.2 拱顶沉降及净空收敛数据分析 | 第64-65页 |
| 5.4.3 近接桥桩的沉降数据分析 | 第65-66页 |
| 5.5 隧道围岩弹塑性参数的反演 | 第66-74页 |
| 5.5.1 建立计算模型 | 第66-67页 |
| 5.5.2 正交学习样本 | 第67-68页 |
| 5.5.3 智能反演的结果分析 | 第68-74页 |
| 5.6 本章小结 | 第74-75页 |
| 第6章 结论与展望 | 第75-77页 |
| 6.1 结论 | 第75页 |
| 6.2 展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 在学研究成果 | 第81-82页 |
| 致谢 | 第82页 |