| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| CONTENTS | 第11-13页 |
| 第1章 绪论 | 第13-23页 |
| ·引言 | 第13页 |
| ·选题依据 | 第13-14页 |
| ·国内外研究现状 | 第14-22页 |
| ·边坡监测方法的研究现状 | 第14-18页 |
| ·边坡稳定性分析方法的研究现状 | 第18-19页 |
| ·以位移信息为基础的边坡稳定性分析方法的研究现状 | 第19-22页 |
| ·本文研究的主要内容 | 第22-23页 |
| 第2章 GPS 边坡位移监测方法应用研究 | 第23-37页 |
| ·引言 | 第23页 |
| ·边坡位移监测方法 | 第23-30页 |
| ·大地测量法 | 第23-26页 |
| ·近景摄影测量法 | 第26-27页 |
| ·TDR 监测法 | 第27-29页 |
| ·钻孔测斜仪监测法 | 第29-30页 |
| ·GPS 监测法 | 第30-32页 |
| ·GPS 在镇江市烈士陵园某边坡位移的监测中的应用 | 第32-36页 |
| ·GPS 监测方法中设备的布置 | 第33页 |
| ·监测内容及监测方法 | 第33-35页 |
| ·监测结果 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 极限状态下边坡安全系数与土体参数关系的建立 | 第37-53页 |
| ·引言 | 第37页 |
| ·极限分析法 | 第37-51页 |
| ·极限分析上限法 | 第37-47页 |
| ·极限分析下限法 | 第47-51页 |
| ·本章小结 | 第51-53页 |
| 第4章 根据位移监测信息的土体参数反演模型建立及验证 | 第53-69页 |
| ·引言 | 第53-54页 |
| ·BP 神经网络算法 | 第54-58页 |
| ·BP 神经网络算法的基本原理 | 第54-57页 |
| ·BP 神经网络算法的实施步骤 | 第57-58页 |
| ·BP 神经网络算法反演力学参数 | 第58-62页 |
| ·神经网络样本的获取 | 第58-61页 |
| ·确定 BP 神经网络拓扑结构 | 第61页 |
| ·对力学参数反演精度进行测试 | 第61-62页 |
| ·粒子群算法 | 第62-65页 |
| ·粒子群优化算法的基本原理 | 第63-64页 |
| ·粒子群优化算法的实施步骤 | 第64-65页 |
| ·粒子群优化算法优化 BP 神经网络算法反演力学参数 | 第65-66页 |
| ·粒子群算法优化 BP 神经网络 | 第65页 |
| ·粒子群优化 BP 神经网络算法参数反演精度测试 | 第65-66页 |
| ·本章小结 | 第66-69页 |
| 第5章 基于位移的边坡稳定性分析方法应用 | 第69-79页 |
| ·工程概况 | 第69-70页 |
| ·镇江市烈士陵园某边坡的稳定性分析 | 第70-78页 |
| ·根据位移监测信息进行边坡稳定性分析 | 第70-78页 |
| ·本章小结 | 第78-79页 |
| 第6章 结论与展望 | 第79-81页 |
| ·结论 | 第79页 |
| ·展望 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 攻读学位期间发表的学术论文目录 | 第87-88页 |
| 致谢 | 第88-89页 |
| 详细摘要 | 第89-94页 |
