| 本文的主要创新点 | 第5-8页 |
| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究的背景 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 位移反分析的研究 | 第14-17页 |
| 1.2.2 混凝土面板温度应力研究 | 第17页 |
| 1.2.3 存在的问题及不足 | 第17-18页 |
| 1.3 论文的主要内容 | 第18-20页 |
| 第2章 堆石体及堆石坝主要结构数值计算模型 | 第20-34页 |
| 2.1 堆石体本构模型 | 第20-29页 |
| 2.1.1 邓肯-张模型 | 第20-23页 |
| 2.1.2 清华K-G模型 | 第23-27页 |
| 2.1.3 “南水”双屈服面模型 | 第27-29页 |
| 2.2 面板与堆石体的接触面模型 | 第29-32页 |
| 2.2.1 无厚度Goodman单元 | 第29-31页 |
| 2.2.2 有厚度的薄层单元 | 第31-32页 |
| 2.3 面板的接缝模型 | 第32-33页 |
| 2.4 混凝土本构模型 | 第33-34页 |
| 第3章 堆石坝智能位移反分析方法 | 第34-60页 |
| 3.1 概述 | 第34页 |
| 3.2 智能位移反演分析的基本理论及方法 | 第34-39页 |
| 3.2.1 反分析法的概念及分类 | 第34-35页 |
| 3.2.2 位移直接反分析法 | 第35-36页 |
| 3.2.3 智能位移反分析的常用方法 | 第36-39页 |
| 3.3 位移反分析问题中的智能优化算法 | 第39-53页 |
| 3.3.1 智能算法的基本原理及模型 | 第40-53页 |
| 3.4 基于微粒群-遗传神经网络算法的反分析模型 | 第53-59页 |
| 3.4.1 面板堆石坝的有限元分析 | 第53-54页 |
| 3.4.2 遗传神经网络在位移反分析中的应用 | 第54-57页 |
| 3.4.3 算法流程 | 第57-59页 |
| 3.5 本章小结 | 第59-60页 |
| 第4章 混凝土面板温度应力计算方法研究 | 第60-73页 |
| 4.1 混凝土中的热湿传导 | 第60-68页 |
| 4.1.1 混凝土中的热湿耦合迁移方程 | 第60-63页 |
| 4.1.2 混凝土热湿耦合迁移方程中的参数 | 第63-68页 |
| 4.2 混凝土面板温度应力数值计算原理 | 第68-73页 |
| 4.2.1 温度场数值计算 | 第68-72页 |
| 4.2.2 温度应力数值计算 | 第72-73页 |
| 第5章 水布垭混凝土面板堆石坝位移反分析及面板温度应力计算 | 第73-121页 |
| 5.1 工程概况 | 第73-75页 |
| 5.2 水布垭面板堆石坝智能位移反分析 | 第75-93页 |
| 5.2.1 本构模型的确定 | 第76-77页 |
| 5.2.2 反演分析样本的输入参数设计 | 第77-80页 |
| 5.2.3 反演分析样本的输出测点选取 | 第80-81页 |
| 5.2.4 样本的输出值的有限元计算 | 第81-83页 |
| 5.2.5 遗传神经网络的训练 | 第83-85页 |
| 5.2.6 遗传神经网络的测试 | 第85-88页 |
| 5.2.7 微粒群算法优化搜索 | 第88-90页 |
| 5.2.8 反演参数计算值与实测值的比较 | 第90-93页 |
| 5.3 水布垭堆石坝混凝土面板温度应力研究 | 第93-120页 |
| 5.3.1 计算条件 | 第94-97页 |
| 5.3.2 面板一月上旬浇筑的温度场及应力分析 | 第97-104页 |
| 5.3.3 面板四月下旬浇筑的温度场及应力分析 | 第104-111页 |
| 5.3.4 无保温板与有保温板情况下面板遭遇冷击温度场与温度应力 | 第111-120页 |
| 5.4 本章小结 | 第120-121页 |
| 第6章 结论 | 第121-123页 |
| 参考文献 | 第123-131页 |
| 攻博期间科研成果 | 第131-132页 |
| 致谢 | 第132页 |