| 第1章 前言 | 第1-15页 |
| 1．1 本文研究工作的目的和意义 | 第12页 |
| 1．2 边坡稳定性分析与评价面临的不确定性问题 | 第12-15页 |
| 第2章 边坡稳定性的不确定性分析方法评述 | 第15-23页 |
| 2．1 引言 | 第15页 |
| 2．2 可靠性分析方法 | 第15-17页 |
| 2．3 模糊综合评价方法 | 第17-18页 |
| 2．4 灰色系统评价方法 | 第18-19页 |
| 2．5 神经网络评价方法 | 第19-20页 |
| 2．6 本文研究工作的思路和主要内容 | 第20-23页 |
| 2．6．1 基于证据理论的D-S信息融合方法 | 第21页 |
| 2．6．2 基于可拓学理论的边坡稳定性评价方法 | 第21页 |
| 2．6．3 基于范例推理的边坡稳定性智能评价方法 | 第21-22页 |
| 2．6．4 粗糙集理论与边坡稳定性评价初析 | 第22-23页 |
| 第3章 基于证据理论的岩体力学参数D-S信息融合方法 | 第23-32页 |
| 3．1 引言 | 第23页 |
| 3．2 岩体力学参数与证据理论 | 第23-27页 |
| 3．2．1 证据理论的提出 | 第24-25页 |
| 3．2．2 证据理论的基本概念 | 第25-27页 |
| 3．3 基于证据理论的岩体力学参数D-S信息融合方法 | 第27-30页 |
| 3．3．1 基本可信度分配、信度函数、似真度函数以及类概率函数 | 第27-28页 |
| 3．3．2 D-S信息融合法则 | 第28页 |
| 3．3．3 岩体力学参数D-S信息融合方法 | 第28-30页 |
| 3．4 应用实例 | 第30-32页 |
| 第4章 基于可拓学理论的边坡稳定性评价方法 | 第32-42页 |
| 4．1 引言 | 第32页 |
| 4．2 物元的概念及其表示 | 第32-33页 |
| 4．3 可拓集合与关联函数 | 第33-36页 |
| 4．3．1 可拓集合 | 第33-34页 |
| 4．3．2 关联函数 | 第34-36页 |
| 4．4 基于可拓学理论的边坡稳定性评价方法 | 第36-37页 |
| 4．4．1 确定经典域、节域及待评物元 | 第36页 |
| 4．4．2 确定边坡稳定性待评物元的关联度 | 第36-37页 |
| 4．4．3 边坡的稳定性评价 | 第37页 |
| 4．5 应用实例 | 第37-42页 |
| 4．5．1 边坡稳定性的分类标准 | 第37-40页 |
| 4．5．2 实例分析 | 第40-42页 |
| 第5章 基于范例推理的边坡稳定性智能评价方法 | 第42-56页 |
| 5．1 引言 | 第42-43页 |
| 5．2 方法一：基于欧氏距离的边坡稳定性评价范例推理方法 | 第43-47页 |
| 5．2．1 建立边坡稳定性评价源范例库 | 第43页 |
| 5．2．2 属性权重的确定 | 第43-44页 |
| 5．2．3 基于欧氏距离的边坡范例检索模型 | 第44页 |
| 5．2．4 实例分析 | 第44-47页 |
| 5．3 方法二：基于模糊相似优先的边坡稳定性评价范例推理方法 | 第47-56页 |
| 5．3．1 基于模糊相似优先的边坡范例检索模型 | 第47-50页 |
| 5．3．2 实例分析 | 第50-56页 |
| 第6章 粗糙集理论与边坡稳定性评价初析 | 第56-62页 |
| 6．1 引言 | 第56-57页 |
| 6．2 粗糙集理论基本概念 | 第57-61页 |
| 6．2．1 知识的含义 | 第57页 |
| 6．2．2 不可分辨关系与基本集 | 第57-58页 |
| 6．2．3 集合的下逼近、上逼近及边界区 | 第58-59页 |
| 6．2．4 粗糙度与粗糙隶属函数 | 第59页 |
| 6．2．5 粗糙集理论的特点 | 第59-61页 |
| 6．3 粗糙集理论在边坡稳定性分析中的应用初析 | 第61-62页 |
| 第7章 总结 | 第62-65页 |
| 参考文献 | 第65-74页 |
| 致谢 | 第74-75页 |
| 附录1： 作者在读博士生期间发表与博士论文相关的主要论文 | 第75-76页 |
| 附录2： 作者在读博士生期间主持的省部级科研项目 | 第76页 |
