首页--交通运输论文--铁路运输论文--特种铁路论文--地下铁路论文

基于工业大数据的盾构施工地面沉降预测模型研究与实现

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

论文共95页,点击 下载论文
上一篇:季节性受淹芦苇湿地蒸散发的模拟研究
下一篇:基于Kinect的岩体节理统计方案设计与实现