| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 引言 | 第9-10页 |
| 1.2 国内外研究概况 | 第10-16页 |
| 1.2.1 公式法 | 第10-12页 |
| 1.2.2 解析法 | 第12-13页 |
| 1.2.3 模型实验法 | 第13-14页 |
| 1.2.4 数值分析法 | 第14-15页 |
| 1.2.5 人工神经网络法 | 第15-16页 |
| 1.3 目前沉降预测研究存在的问题 | 第16页 |
| 1.4 论文研究的主要内容 | 第16-18页 |
| 第二章 土压平衡盾构施工简介 | 第18-32页 |
| 2.1 土压平衡盾构机简介 | 第18-19页 |
| 2.2 工程概况 | 第19-24页 |
| 2.2.1 盾构施工段概况 | 第19-21页 |
| 2.2.2 盾构施工段工程地质 | 第21-23页 |
| 2.2.3 盾构施工段监测点布置 | 第23-24页 |
| 2.3 盾构施工地表沉降的机理 | 第24-31页 |
| 2.3.1 盾构施工地表沉降的成因 | 第24-25页 |
| 2.3.2 盾构施工的力学效应 | 第25-26页 |
| 2.3.3 盾构施工地表沉降的发展历程 | 第26-29页 |
| 2.3.4 盾构施工地表沉降的分布范围 | 第29页 |
| 2.3.5 盾构施工地表沉降的影响因素 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于人工神经网络的地表沉降预测研究 | 第32-55页 |
| 3.1 人工神经网络技术简介 | 第32-33页 |
| 3.1.1 神经网络的基本特点 | 第32-33页 |
| 3.1.2 神经网络的基本功能 | 第33页 |
| 3.2 BP神经网络 | 第33-39页 |
| 3.2.1 BP神经网络模型 | 第34-35页 |
| 3.2.2 BP学习算法 | 第35-37页 |
| 3.2.4 BP网络结构设计 | 第37-39页 |
| 3.3 基于BP神经网络的盾构施工地表沉降预测 | 第39-43页 |
| 3.4 小波神经网络技术 | 第43-52页 |
| 3.4.1 小波变换理论 | 第43-49页 |
| 3.4.2 小波神经网络结构 | 第49-51页 |
| 3.4.3 小波神经网络学习算法 | 第51-52页 |
| 3.4.4 小波神经网络设计 | 第52页 |
| 3.5 基于小波神经网络的盾构施工地表沉降预测 | 第52-54页 |
| 3.6 本章小结 | 第54-55页 |
| 第四章 基于蚁群算法的神经网络优化研究 | 第55-68页 |
| 4.1 智能算法简介 | 第55-56页 |
| 4.2 蚁群算法 | 第56-58页 |
| 4.2.1 蚁群算法的机理 | 第56-57页 |
| 4.2.2 蚁群算法特征 | 第57-58页 |
| 4.3 蚁群神经网络优化 | 第58-67页 |
| 4.3.1 基于区间划分的连续域蚁群算法 | 第58-59页 |
| 4.3.2 蚁群神经网络优化模型 | 第59-60页 |
| 4.3.3 蚁群神经网络优化分析 | 第60-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第五章 基于差分进化蚁群神经网络的地表沉降预测研究 | 第68-83页 |
| 5.1 差分进化算法简介 | 第68-70页 |
| 5.2 差分进化蚁群神经网络 | 第70-72页 |
| 5.3 差分进化蚁群神经网络优化分析 | 第72-79页 |
| 5.4 基于差分进化蚁群神经网络的地表沉降预测 | 第79-82页 |
| 5.5 本章小结 | 第82-83页 |
| 第六章 结论与展望 | 第83-85页 |
| 6.1 论文主要研究结论 | 第83-84页 |
| 6.2 论文研究工作展望 | 第84-85页 |
| 参考文献 | 第85-90页 |
| 致谢 | 第90-91页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第91页 |