| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究动态 | 第12-13页 |
| 1.3 地铁深基坑工程概述 | 第13-14页 |
| 1.3.1 地铁基坑工程特点 | 第13页 |
| 1.3.2 地铁基坑支护形式介绍 | 第13-14页 |
| 1.4 论文研究的主要内容 | 第14-16页 |
| 2 基坑工程概况及现场监测 | 第16-25页 |
| 2.1 长丰路站工程简介 | 第16-17页 |
| 2.2 工程地质特性及水文地质条件 | 第17-19页 |
| 2.2.1 工程地质特性 | 第17-18页 |
| 2.2.2 水文地质条件 | 第18-19页 |
| 2.3 基坑现场监测 | 第19-21页 |
| 2.3.1 监测的目的及意义 | 第19页 |
| 2.3.2 监测内容及重点监测目标 | 第19-20页 |
| 2.3.3 车站基坑的主要监测方法 | 第20-21页 |
| 2.4 现场测点布置 | 第21-24页 |
| 2.4.1 水平位移监测相关点位布置 | 第21页 |
| 2.4.2 沉降监测相关点位布置 | 第21-22页 |
| 2.4.3 围护结构测斜监测布置 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 基坑施工监测结果分析及基坑变形预测 | 第25-48页 |
| 3.1 基坑施工监测结果分析 | 第25-30页 |
| 3.1.1 地表沉降变形分析 | 第25-27页 |
| 3.1.2 围护桩体变形分析 | 第27-29页 |
| 3.1.3 钢支撑轴力分析 | 第29-30页 |
| 3.2 基坑变形预测算法 | 第30-36页 |
| 3.2.1 基坑变形预测的发展 | 第30-31页 |
| 3.2.2 人工神经网络预测算法简介 | 第31-32页 |
| 3.2.3 BP神经网络预测模型 | 第32-36页 |
| 3.3 PSO优化BP神经网络预测算法 | 第36-41页 |
| 3.3.1 粒子群算法简介 | 第36-38页 |
| 3.3.2 粒子群优化BP神经网络算法 | 第38-39页 |
| 3.3.3 PSO优化BP预测算法的流程 | 第39-41页 |
| 3.4 PSO优化BP预测算法的工程应用 | 第41-47页 |
| 3.4.1 PSO优化BP预测算法的模型建立 | 第41页 |
| 3.4.2 PSO优化BP算法预测分析 | 第41-47页 |
| 3.5 本章小结 | 第47-48页 |
| 4 变形规律的数值模拟研究 | 第48-72页 |
| 4.1 地铁车站深基坑开挖MIDAS-GTS模拟 | 第48-49页 |
| 4.1.1 MIDAS-GTS简介 | 第48-49页 |
| 4.1.2 MIDAS-GTS基坑开挖模拟的基本假设 | 第49页 |
| 4.2 地铁车站深基坑开挖MIDAS-GTS建模 | 第49-58页 |
| 4.2.1 土体本构模型的选择 | 第49-52页 |
| 4.2.2 三维模型计算区域选取及网格划分 | 第52-54页 |
| 4.2.3 地铁深基坑三维数值模拟参数选取 | 第54-55页 |
| 4.2.4 模型边界条件的确定 | 第55页 |
| 4.2.5 模型分析工况设计 | 第55-58页 |
| 4.3 数值模拟计算结果及分析 | 第58-71页 |
| 4.3.1 地表沉降结果分析 | 第58-64页 |
| 4.3.2 围护桩体变形结果分析 | 第64-68页 |
| 4.3.3 混凝土支撑轴力结果分析 | 第68-71页 |
| 4.4 本章小结 | 第71-72页 |
| 5 结论与展望 | 第72-74页 |
| 5.1 主要工作和结论 | 第72-73页 |
| 5.2 展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 攻读学位期间的研究成果 | 第78页 |