公路隧道围岩云分级系统的开发与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 论文选题背景与意义 | 第10-12页 |
| 1.1.1 论文选题背景 | 第10页 |
| 1.1.2 论文选题意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 研究目标 | 第15页 |
| 1.4 研究内容 | 第15-16页 |
| 1.5 拟解决的关键技术问题 | 第16页 |
| 1.6 研究方案 | 第16-17页 |
| 第二章 公路隧道围岩云分级系统基本理论 | 第17-29页 |
| 2.1 云系统的定义和功能 | 第17-19页 |
| 2.2 深度学习技术的基本理论和方法 | 第19-25页 |
| 2.2.1 深度学习技术 | 第19-24页 |
| 2.2.2 深度学习模型对比分析 | 第24-25页 |
| 2.3 SQL Server和MySQL技术 | 第25-26页 |
| 2.4 IP定位技术 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 公路隧道围岩云分级系统的构建 | 第29-53页 |
| 3.1 围岩云分级系统的结构及主要组成部分 | 第29-30页 |
| 3.2 AlexNet模型训练与预测 | 第30-40页 |
| 3.3 节理特征提取的深度模型建立 | 第40-49页 |
| 3.3.1 节理模型 | 第40-43页 |
| 3.3.2 节理裂隙统计 | 第43-45页 |
| 3.3.3 裂隙的识别 | 第45-49页 |
| 3.4 岩土边界及种类的深度学习提取 | 第49-52页 |
| 3.4.1 深度学习边缘检测 | 第49-50页 |
| 3.4.2 主色与HIS色彩空间 | 第50-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 公路隧道围岩云分级系统的设计与实现 | 第53-75页 |
| 4.1 开发工具选择 | 第53-55页 |
| 4.1.1 开发语言的选取 | 第53-54页 |
| 4.1.2 开发平台的选取 | 第54-55页 |
| 4.2 软件系统的实现流程 | 第55-56页 |
| 4.3 云服务器配置 | 第56-59页 |
| 4.3.1 云服务器配置步骤 | 第56-59页 |
| 4.3.2 安装环境 | 第59页 |
| 4.4 围岩分级大型数据库的建立 | 第59-60页 |
| 4.5 系统调试运行 | 第60-73页 |
| 4.6 围岩支护方式的选择 | 第73-74页 |
| 4.7 本章小结 | 第74-75页 |
| 第五章 案例验证 | 第75-83页 |
| 5.1 实例工程概况 | 第75-76页 |
| 5.1.1 那丘隧道工程概况 | 第75页 |
| 5.1.2 罗依溪隧道工程概况 | 第75页 |
| 5.1.3 六月田隧道概况 | 第75-76页 |
| 5.2 隧道围岩分级方法选择 | 第76-78页 |
| 5.2.1 [BQ]分级 | 第77页 |
| 5.2.2 [BQ]修正值 | 第77-78页 |
| 5.3 围岩分级参数确定 | 第78-79页 |
| 5.4 围岩分级结果对比分析 | 第79-82页 |
| 5.5 本章小结 | 第82-83页 |
| 结论与展望 | 第83-85页 |
| 结论 | 第83页 |
| 展望 | 第83-85页 |
| 参考文献 | 第85-88页 |
| 致谢 | 第88-89页 |
| 附录A 攻读学位期间发表论文目录 | 第89-90页 |
| 附录B 攻读学位期间参加的科研课题项目 | 第90页 |
