| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 长螺旋钻孔压灌混凝土桩施工技术 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.4 本文主要研究内容 | 第14-17页 |
| 第2章 常规检测方法及预测方法 | 第17-27页 |
| 2.1 承载力的确定方法 | 第17-20页 |
| 2.1.1 静载荷试验 | 第17-19页 |
| 2.1.2 静力触探法 | 第19页 |
| 2.1.3 经验公式法 | 第19-20页 |
| 2.2 完整性的确定方法 | 第20-21页 |
| 2.2.1 低应变试验 | 第20页 |
| 2.2.2 钻芯法 | 第20-21页 |
| 2.3 预测研究的方法 | 第21-25页 |
| 2.3.1 趋势外推预测法 | 第21-22页 |
| 2.3.2 灰色模型预测法 | 第22-23页 |
| 2.3.3 数值分析法 | 第23页 |
| 2.3.4 神经网络 | 第23-25页 |
| 2.3.5 组合预测法 | 第25页 |
| 2.4 预测精度评价 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 长螺旋钻孔压灌混凝土桩质量因素分析 | 第27-41页 |
| 3.1 长螺旋钻孔压灌混凝土桩承载机理 | 第27-31页 |
| 3.1.1 承载机理 | 第27-29页 |
| 3.1.2 荷载传递过程分析 | 第29页 |
| 3.1.3 单桩的破坏形式 | 第29-30页 |
| 3.1.4 适用范围 | 第30-31页 |
| 3.2 长螺旋钻孔压灌混凝土桩单桩质量影响因素 | 第31-39页 |
| 3.2.1 岩土土层因素分析 | 第31-33页 |
| 3.2.2 桩体因素分析 | 第33-34页 |
| 3.2.3 施工因素分析 | 第34-38页 |
| 3.2.4 时间和空间效应影响因素分析 | 第38-39页 |
| 3.3 长螺旋钻孔压灌混凝土桩质量预测输出 | 第39-40页 |
| 3.3.1 单桩竖向极限承载力 | 第39页 |
| 3.3.2 桩身完整性 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于FOA-GRNN的长螺旋钻孔压灌混凝土桩质量预测模型构建 | 第41-57页 |
| 4.1 广义回归神经网络模型 | 第41-46页 |
| 4.1.1 GRNN的网络结构组成 | 第41-42页 |
| 4.1.2 GRNN的理论基础 | 第42-45页 |
| 4.1.3 神经网络求解质量预测的可行性 | 第45-46页 |
| 4.2 果蝇算法 | 第46-48页 |
| 4.3 基于FOA-GRNN质量预测模型 | 第48-56页 |
| 4.3.1 数据的收集 | 第48页 |
| 4.3.2 样本信息的预处理 | 第48-49页 |
| 4.3.3 长螺旋钻孔压灌混凝土桩质量预测指标体系的确定 | 第49-54页 |
| 4.3.4 FOA-GRNN神经网络模型的构建 | 第54-55页 |
| 4.3.5 FOA优化过程建模步骤分析 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 长螺旋钻孔压灌混凝土桩质量预测模型实例分析 | 第57-67页 |
| 5.1 样本的采集 | 第57-59页 |
| 5.2 数据处理 | 第59-61页 |
| 5.3 长螺旋钻孔压灌混凝土桩单桩竖向承载力预测模型实现 | 第61-66页 |
| 5.3.1 FOA-GRNN神经网络结构及参数的选取 | 第61页 |
| 5.3.2 FOA-GRNN神经网络的优化 | 第61-63页 |
| 5.3.3 模型预测结果分析 | 第63-66页 |
| 5.4 本章小结 | 第66-67页 |
| 结论与展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73页 |
| 攻读硕士学位期间发表的论文和科研成果 | 第73-74页 |
