| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1. 绪论 | 第11-19页 |
| ·研究背景 | 第11-13页 |
| ·国内外研究现状 | 第13-18页 |
| ·变形监测预测模型 | 第13-15页 |
| ·浅埋暗挖法穿越施工中采用的主要预加固方法 | 第15-18页 |
| ·本文的主要研究内容 | 第18-19页 |
| 2. 穿越施工引起地层变形的机理 | 第19-25页 |
| ·土体挠动的机理分析 | 第19-22页 |
| ·地层损失机理 | 第19页 |
| ·孔隙水压力理论 | 第19-21页 |
| ·地层初始应力状态的改变 | 第21-22页 |
| ·土体的固结沉降 | 第22-24页 |
| ·土的压缩性和土体的固结沉降机理 | 第22-23页 |
| ·土体沉降的计算理论 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3. 五棵松车站变形监测数据统计分析 | 第25-54页 |
| ·工程概况 | 第25-29页 |
| ·监测方案 | 第29-36页 |
| ·监测目的 | 第29页 |
| ·监测内容及测点布置 | 第29-34页 |
| ·监测控制标准 | 第34-36页 |
| ·监测结果统计汇总 | 第36-37页 |
| ·监测结果分析 | 第37-52页 |
| ·车站底板结构沉降数据分析 | 第38-45页 |
| ·车站变形缝差异沉降监测数据分析 | 第45-46页 |
| ·走行轨结构沉降监测数据分析 | 第46-50页 |
| ·道床结构变形缝差异沉降监测数据分析 | 第50-52页 |
| ·轨道水平监测数据分析 | 第52页 |
| ·轨道轨距监测数据分析 | 第52页 |
| ·车站结构变形缝开合度监测数据分析 | 第52页 |
| ·本章小结 | 第52-54页 |
| 4. 既有线结构变形的神经网络预测方法 | 第54-67页 |
| ·人工神经网络模型概述 | 第54-58页 |
| ·人工神经元 | 第54-55页 |
| ·人工神经元的学习过程和学习规则 | 第55页 |
| ·人工神经元BP网络 | 第55-58页 |
| ·基于BP算法的人工神经网络预测建模 | 第58-61页 |
| ·网络输入、输出层的设计 | 第59-60页 |
| ·网络隐含层和隐含结点数的确定 | 第60页 |
| ·训练样本数的确定 | 第60-61页 |
| ·数据的预处理 | 第61页 |
| ·BP预测方法在既有线隧道结构沉降中的应用 | 第61-65页 |
| ·既有线隧道结构沉降的BP网络建模 | 第62页 |
| ·既有线隧道结构沉降的BP网络模型训练与测试 | 第62-65页 |
| ·本章小结 | 第65-67页 |
| 5. 控制浅埋暗挖法穿越施工引起地层变形的技术措施 | 第67-71页 |
| ·控制地层变形的原理 | 第67-68页 |
| ·控制地层变形的技术措施 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 6. 结论与展望 | 第71-73页 |
| ·主要结论 | 第71-72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 作者简历 | 第75-79页 |
| 学位论文数据集 | 第79页 |