摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
符号对照表 | 第10-11页 |
缩略语对照表 | 第11-15页 |
第一章 绪论 | 第15-23页 |
1.1 研究背景及意义 | 第15-17页 |
1.1.1 研究背景 | 第15-16页 |
1.1.2 研究目的及意义 | 第16-17页 |
1.2 国内外研究现状 | 第17-20页 |
1.2.1 研究现状 | 第17-19页 |
1.2.2 研究现状总结 | 第19-20页 |
1.3 文章主要内容及组织架构 | 第20-23页 |
第二章 地面沉降预测大数据分析基础与总体框架 | 第23-37页 |
2.1 引言 | 第23页 |
2.2 盾构施工数据基础 | 第23-26页 |
2.2.1 地面沉降监测与测量 | 第23-26页 |
2.2.2 盾构机掘进相关数据采集 | 第26页 |
2.2.3 小结 | 第26页 |
2.3 数据预处理与特征工程基础 | 第26-31页 |
2.3.1 数据预处理概述 | 第26-29页 |
2.3.2 特征工程方法概述 | 第29-31页 |
2.4 模型构建与优化方法 | 第31-33页 |
2.4.1 BP神经网络算法流程 | 第31-32页 |
2.4.2 支持向量回归机算法流程 | 第32页 |
2.4.3 模型优化方法概述 | 第32-33页 |
2.5 盾构施工地面沉降预测总体分析框架 | 第33-35页 |
2.6 本章小结 | 第35-37页 |
第三章 盾构施工地面沉降关键影响因素分析 | 第37-49页 |
3.1 引言 | 第37页 |
3.2 地面沉降变形规律研究 | 第37-41页 |
3.2.1 横向地面沉降-地层变形的空间效应 | 第37-39页 |
3.2.2 纵向地面沉降-地层变形的时间效应 | 第39-41页 |
3.3 盾构施工地面沉降机理分析 | 第41-43页 |
3.3.1 地面沉降原因分析 | 第41-42页 |
3.3.2 掘进参数对地面沉降的影响 | 第42-43页 |
3.4 基于数学模型方法的地面沉降关键影响因素分析 | 第43-48页 |
3.4.1 基于特征工程的影响因素分析法 | 第44-45页 |
3.4.2 基于关联规则的影响因素分析法 | 第45-48页 |
3.5 本章小结 | 第48-49页 |
第四章 基于工业大数据的盾构施工地面沉降预测模型研究 | 第49-69页 |
4.1 引言 | 第49页 |
4.2 地面沉降预测模型构建流程 | 第49-50页 |
4.3 基于BP神经网络的地面沉降预测模型 | 第50-56页 |
4.3.1 BP神经网络算法原理 | 第50-54页 |
4.3.2 地面沉降预测模型设计 | 第54-56页 |
4.4 基于支持向量机的地面沉降预测模型 | 第56-64页 |
4.4.1 支持向量机算法原理 | 第56-62页 |
4.4.2 地面沉降预测模型设计 | 第62-64页 |
4.5 地面沉降预测模型优化与融合 | 第64-68页 |
4.5.1 地面沉降预测模型优化 | 第64-66页 |
4.5.2 地面沉降预测多模型融合 | 第66-68页 |
4.6 本章小结 | 第68-69页 |
第五章 实例分析-某盾构施工项目地面沉降预测模型实现 | 第69-85页 |
5.1 引言 | 第69页 |
5.2 工程概况及数据资源介绍 | 第69-71页 |
5.2.1 工程概况 | 第69页 |
5.2.2 数据资源介绍 | 第69-71页 |
5.3 数据预处理及特征工程 | 第71-75页 |
5.3.1 数据预处理 | 第71-74页 |
5.3.2 特征工程 | 第74-75页 |
5.4 地面沉降预测模型构建 | 第75-79页 |
5.4.1 预测模型构建 | 第75-79页 |
5.4.2 结果分析 | 第79页 |
5.5 模型优化与融合 | 第79-83页 |
5.5.1 模型优化 | 第79-81页 |
5.5.2 模型融合 | 第81-83页 |
5.6 本章小结 | 第83-85页 |
第六章 总结与展望 | 第85-87页 |
6.1 论文总结 | 第85-86页 |
6.2 研究展望 | 第86-87页 |
参考文献 | 第87-91页 |
致谢 | 第91-93页 |
作者简介 | 第93-95页 |