| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 主要研究内容及方法 | 第14-16页 |
| 1.3.1 主要研究内容 | 第14页 |
| 1.3.2 主要研究方法 | 第14-16页 |
| 第2章 隧道围岩稳定性研究 | 第16-22页 |
| 2.1 隧道围岩变形理论 | 第16-17页 |
| 2.2 隧道围岩变形的影响因素 | 第17-19页 |
| 2.2.1 地质环境因素 | 第17-19页 |
| 2.2.2 设计施工因素 | 第19页 |
| 2.2.3 时间因素 | 第19页 |
| 2.3 隧道围岩稳定性的评价方法 | 第19-20页 |
| 2.4 施工期间监控量测数据的处理 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 基于隧道监控量测围岩变形统计 | 第22-38页 |
| 3.1 隧道现场监控量测 | 第22-24页 |
| 3.1.1 监控量测项目及测点的布置 | 第22-23页 |
| 3.1.2 监测断面及监测频率 | 第23-24页 |
| 3.2 围岩的变形特征研究 | 第24-31页 |
| 3.2.1 围岩的变形过程 | 第24-25页 |
| 3.2.2 围岩的变形规律 | 第25-31页 |
| 3.3 围岩变形统计 | 第31-32页 |
| 3.3.1 监控量测数据分类 | 第31页 |
| 3.3.2 分类统计流程 | 第31-32页 |
| 3.4 围岩变形稳定值 | 第32-37页 |
| 3.4.1 监控量测数据的统计方法 | 第32-33页 |
| 3.4.2 不同围岩级别的统计结果 | 第33-35页 |
| 3.4.3 当前监控量测条件下围岩变形稳定建议控制值 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 基于BP神经网络围岩参数反分析 | 第38-46页 |
| 4.1 反分析 | 第38-41页 |
| 4.1.1 反分析计算原理 | 第38-39页 |
| 4.1.2 BP神经网络原理 | 第39-41页 |
| 4.2 反分析计算模型 | 第41-44页 |
| 4.2.1 正交试验 | 第41-43页 |
| 4.2.2 神经网络学习样本构造 | 第43-44页 |
| 4.3 反分析计算结果 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 围岩变形控制值计算及塌方预警 | 第46-68页 |
| 5.1 FLAC~(3D)基本原理 | 第46页 |
| 5.2 数值模拟开挖 | 第46-48页 |
| 5.2.1 计算假定 | 第46页 |
| 5.2.2 计算参数选取 | 第46-48页 |
| 5.2.3 三维模型建立 | 第48页 |
| 5.3 围岩变形规律分析 | 第48-56页 |
| 5.3.1 Ⅳ级围岩变形规律分析 | 第48-52页 |
| 5.3.2 Ⅴ级围岩变形规律分析 | 第52-56页 |
| 5.4 围岩的变形控制值分析 | 第56-61页 |
| 5.4.1 突变理论及突变模型 | 第56-58页 |
| 5.4.2 围岩全变形控制值 | 第58-61页 |
| 5.5 塌方预警 | 第61-66页 |
| 5.5.1 隧道监测位移—时间曲线分析 | 第62-63页 |
| 5.5.2 隧道监测变形阶段分析 | 第63-64页 |
| 5.5.3 隧道塌方预警 | 第64-66页 |
| 5.6 本章小结 | 第66-68页 |
| 结论 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表的论文及参加的科研项目 | 第74-75页 |
| 附录A 监控量测数据表 | 第75-82页 |