一、灰色系统理论及其在工程中的应用(论文文献综述)
许美琪,王亚茹,徐伟,蒋浩,张磊[1](2021)在《灰色系统理论在粉尘爆炸预防与控制中的应用》文中研究指明本文以粉尘爆炸为研究对象,运用了灰色系统理论,进行灰色关联分析、灰色聚类评估和灰色系统预测,采用新的研究方法分析探讨,给出了粉尘爆炸预防与控制的具体方法。
李扬[2](2021)在《重庆某浅埋偏压隧道CRD法开挖顺序优化及围岩变形研究》文中研究指明在隧道建设项目中,围岩失稳是工程事故的主要原因,隧道施工过程中围岩的力学性质不仅受到岩石生成条件和地质条件等自然因素的影响,也在较大程度上受到隧道开挖方法、支护类型、支护参数等的影响,这就使得人们对研究围岩变形规律,寻求合理开挖方式越来越重视。本文依托重庆某浅埋偏压小净距隧道工程,结合该项目实际施工方案和所属场地环境等因素,对隧道围岩变形进行了系统分析和研究。具体内容及主要结论如下:(1)结合隧道施工情况制定监测方案、测点布置位置和测量方法,通过分析现场监测数据,确定该隧道应采用CRD法(交叉中隔壁法)开挖,而不宜采用三台阶七步开挖法。(2)通过分析该隧道采用CRD法开挖时的监测数据,得出了围岩受各分部开挖影响的基本特征,结果显示:拱顶下沉方面,各分部开挖引起的拱顶下沉增量与总拱顶下沉量具有一定的比例关系。水平收敛方面,随着(4)部的开挖,(1)部AC线与(4)部BC线的洞内水平收敛趋势基本呈相反态势,这是因为(1)部,(4)部水平收敛变化主要是由于临时支护中隔墙的变位引起的。(3)为确定隧道合理的开挖顺序,采用有限元软件Midas/GTS NX对右洞先行且CRD法先开挖右侧、右洞先行且CRD法先开挖左侧、左洞先行且CRD法先开挖右侧和左洞先行且CRD法先开挖左侧四种方案进行模型分析,通过对比围岩的位移、应力和塑性区等,确定该隧道较为合理的开挖顺序是右洞先行且CRD法先开挖左侧。(4)本文利用GM(1,1)灰色模型和BP神经网络模型对隧道围岩变形进行预测。通过对预测实例进行分析和讨论,阐述了两种预测方法的特点和适用性。GM(1,1)灰色模型的特点为模型固定、简单,所需的数据样本较少,但对于波动性的数据预测效果不是很理想。BP神经网络对于非线性系统的预测具有良好的性能,但是要求数据样本数量多且具有广泛代表性,这在实际操作中有时难以满足。总的来说,BP神经网络模型的预测精度更高,该隧道项目在施工建设过程中,采用BP神经网络模型进行预测是更为合适的,GM(1,1)灰色模型则可以作为数据不足时的补充手段。
于庆博[3](2020)在《崇明东滩多期吹填区地面沉降与土体固结特征分析》文中进行了进一步梳理随着经济社会的发展和人口压力的与日俱增,用疏浚废土进行填海造陆已经成为上海这一港口城市缓解土地资源紧张,拓展生存空间和减少海洋环境污染的有效措施。上海先后在崇明东滩、浦东边滩以及横沙东滩等海岸带进行了多次吹填造陆活动,获得了大量土地资源。在合理规划与综合利用的前提下,这些吹填新陆地将为上海经济社会的可持续发展,城镇化和工业化的推进注入新的动力。然而,水力吹填形成的吹填土层在沉积过程中不仅自身会产生较大的变形量,还会进一步压缩下伏海陆交互相软土层,进而引起新一轮的固结变形。多层土压缩变形的累积即表现为地面沉降,这是一种在吹填区不可回避的环境地质现象,严重时可引发一系列严重的工程地质问题,不仅威胁地基的安全使用,破坏建(构)筑物(尤其是线性工程)的结构稳定性和长期使用的安全性,还会破坏人类的生存环境,削弱沿海地区抵御洪水、风暴、海平面上升等海洋灾害的能力。因此,有必要分析、研究、监测和预测吹填区的地面沉降特性,进而了解长时间尺度条件下地面沉降的演变与发展,同时从多层土工程地质性质的角度对地面沉降的分布做出机理上的解释。最终,为地面沉降的防治与工程建设的规划提供合理的参考依据。本文选择城镇化推进较快的崇明东滩为研究区域,该区域是上海典型的多期吹填区。但是这里的地面沉降的研究正处于起步阶段,前期工程地质资料与原位监测资料和主城区相比远远不足,对当前区域性地面沉降的分布与固结机理鲜有认知,难以有效规避地面沉降带来的环境危害与隐患。为丰富崇明东滩地面沉降的相关研究,本文开展了以下几方面的工作:(1)场地调查。在研究区布设10个沿东西长轴方向、跨越多期吹填区的勘探取样孔,取样孔深统一限定在55m,以查明崇明东滩自西向东扩张过程中典型剖面的地层结构;(2)室内试验。探究研究范围内吹填土层与天然沉积土层在不同尺度下的工程地质性质差异,阐明当前应力条件下的主要压缩层。利用计算机断层扫描(CT)、压汞(MIP)和扫描电镜(SEM)等先进手段探究各土层的细微观结构与孔隙特征;(3)地面沉降监测与分析。搜集2015年初到2019年末近5年时间内共70景Sentinel-1A雷达影像数据,选用短基线集合成孔径雷达干涉测量(SBAS-In SAR)来获取区域性的地面变形信息并统计自西向东多期吹填区的地面沉降规律并选取感兴趣区域来估算多层土的平均固结度;(4)通过综合分析多期吹填区内土体地层结构、物理与成分特征、化学与压缩特性以及渗透与微细观结构特征的变化,揭示差异性沉降的形成机制;(5)利用BP神经网络探究代表性工程地质参数与区域性地面沉降速率的内在联系。研究结果表明:(1)吹填土具结构性引起的超固结性质,反而是下伏的黏土与粉质黏土层为欠固结土层,对地面沉降贡献较大。研究深度内广泛分布的土层主要有由吹填土、砂质粉土组成的粉性土和由淤泥质黏性土、黏土以及粉质黏土组成的黏性土。崇明东滩的吹填土已自重固结20余年,期间受到地表蒸发与人类活动的影响,土层有一定收缩,结构性增强,致使吹填土表现为反常的超固结,砂质粉土同理,淤泥质黏性土则接近正常固结,以上三层土在当前应力条件下对地面沉降贡献较小;相反,黏土与粉质黏土均为欠固结,且黏土层是代表性压缩层。(2)In SAR监测表明,长轴方向上,成陆时间短的吹填区,沉降速率反而慢。近海晚期吹填区成陆时间较晚,理应沉降较快,然而,本文通过在SBASIn SAR遥感监测得到的地面变形速率场中统计各吹填区平均变形速率却发现了相反规律;在此基础上,联合应用双曲线法和三点修正指数曲线法估算了选定的近海和内陆土层的平均固结度范围。结果表明,当前应力状态下,近海吹填区土层固结已基本完成而内陆吹填区土层固结速度相对较快。基于In SAR的固结度估算可促进对区域地面沉降的发展的理解,对缺乏原位监测信息条件下的固结度评价有较好的适用性和较强的时效性。(3)近海晚期吹填区渗透固结条件差是引起地面沉降缓慢的内在控制因素。通过对多期吹填区固结特征进行对比来探究引起差异性地面沉降的机制。结果表明,代表性压缩层(黏土层),随着成陆时间的缩短,土层厚度加大,黏粒含量升高,压缩性变大,结合水膜变厚,细观非均质性增强,微观孔隙复杂度升高,黏粒团聚性由强至弱,黏粒常分散在孔隙之中,形成絮凝状结构,造成排水通道淤堵,渗透系数降低,因而固结效率低,最终导致地面沉降速率缓慢。(4)基于BP神经网络建立了地面沉降速率与土体多尺度工程地质参数之间的关系模型。以取自黏土层的16组黏土试样为研究对象,选取10个代表性的工程地质参数,包括黏土层厚度、黏粒含量、渗透系数、阳离子交换量、含水率以及回弹指数;微观孔隙形态分形维数、结构单元体的平均等效孔径、定向频率的标准差以及平均形状系数等160组参数作为自变量,选取In SAR得到的各吹填区沉降速率作为因变量来构建模型。结果表明,当选用宏微观多尺度参数共同参与分析时,土体工程地质参数对地面沉降速率的预测精度更高,关联更加密切。在未来的研究中,仍需要更丰富的室内试验,更长时间、更高精度的沉降监测来拓展本文初步的研究成果。
李庚华[4](2020)在《老铁山水道及其附近水域通航安全评估研究》文中研究表明老铁山水道位于渤海海峡北部,是船只进出黄渤海的必经之路。且由于其船舶定线制,来往船舶的通航宽度仅为5.5海里,加之其附近水域为我国北方重要渔场,来往作业渔船较多,因此船舶交通流十分密集。随着我国进出口船舶数量的逐年增加,老铁山水道及其附近水域也成为我国水上事故频发的高危水域之一。本文的主要目的是进行老铁山水道及其附近水域的通航安全评估研究。首先通过对船员,船舶,环境,管理四个方面的因素进行分析,初步筛选出通航安全评价体系的评价指标。本文在前人的研究基础上,通过灰色关联度分析法,深层次定量和定性分析老铁山水道及其附近水域交通事故的致因因素,并结合深度挖掘技术以及专家问卷调查法确立了包括人,船,环境,管理四个方面的通航安全评价体系。在进行通航安全评估时,本文对老铁山水道及其附近水域近十年的事故数据进行灰色关联度统计,并通过Bp神经网络初步确定各致因因子权重,结合前人研究中致因因子与评价指标的可信度与关联度关系确定各评价指标的权重,该方法避免了传统方法确定指标权重时主观因素的影响,确保了权重的有效性和准确性。在进行通航安全评价时,本文采用灰色聚类评估模型,确定各评价指标的灰色聚类函数,并结合各指标的危险度评价标准,确定各因素的风险等级以及水域整体的危险程度,为改善水域内的通航环境提供理论依据。
刘鹏鹏[5](2020)在《基于灰色组合模型的高速铁路路基沉降预测及应用研究》文中认为随着我国高速铁路的建设速度越来越快,铁路运营安全成为了国民人身及财产安全的重要出行保障,为了让高铁具有安全、平稳的运行环境,需要严格地控制其线下工程的形变,特别是在最容易发生沉降变形的路基段。单一预测方法虽然其在建筑物、大坝、边坡和基坑等工程上的预测效果和预测能力较好,但对于沉降量控制在15mm的高速铁路路基就显得捉襟见肘。因此,本文通过对高铁路基的沉降机理以及相关预测模型的预测机理进行研究,对单一预测模型进行初始值、残差以及背景值等方面的优化来提高其预测精度,提出利用小波优化的灰色GM-BP神经网络模型,依托兰新高铁和中兰高铁的沉降监测项目,对模型的预测数据进行了深入分析和研究,得到了较理想的结果。考虑到在模型的精度评价方面通常只通过相对误差和后验差的评价方式,过于单一,无法全面评价模型的预测效果,本文使用贴近度、误差平方和、标准差及平均绝对误差和平均绝对百分比误差等多种评价方式取权值共同评价,大大提高了模型评价的准确性。本文主要工作有:(1)通过对高速铁路路基结构的研究,确定在高速铁路路基方面可能会发生的路基沉降病害,分析研究了影响高速铁路路基沉降的各类因素及针对各类情况提出相应的观测方案和技术依据。(2)利用灰色系统对路基沉降数据进行预测,通过灰色GM(1,1)和灰色Verhulst预测模型的对比试验,确定采用灰色GM(1,1)模型作为灰色组合模型的灰色模型,对初始值、残差和非等间隔序列等进行改进,预测结果精度得到一定的提高。(3)利用MATLAB小波工具箱对小波函数和阈值进行选择,运用小波软阈值方法对路基沉降数据进行去噪,期望对未来得到的预测结果更加准确。利用遗传原理对BP神经网络算法进行部分改进,进一步提高的BP神经网络学习效率低、收敛速度慢等问题,并应用于变形预测方面,取得了初步的成绩。(4)对组合方式进行研究,最终确定采用GM-BP串联方式进行路基沉降组合预测,建立小波优化的灰色GM-BP神经网络预测模型,依托工程实例,借助MATLAB软件对路基沉降数据进行预测,分别得到灰色GM(1,1)、BP神经网络、小波优化的GM(1,1)及小波优化的灰色GM-BP神经网络四种模型的预测值,将其均与实测值进行对比,结果表明,小波优化的灰色GM-BP神经网络预测模型的预测效果优于其他单一预测模型,在高速铁路的路基沉降预测方面更可靠、精度更高、适用性更强。
冯伟杰,张景珊,付晓琪[6](2018)在《灰色系统理论及其在机械工程中的应用》文中提出近些年来,随着改革开放和社会经济全球化的不断推进,我国在社会不断进步,经济不断发展的同时,相关系统理论也有了重大的研究突破。尤其体现在灰色系统理论的发展以及机械工程的实际应用之中。在实际发展的过程中,积极对接灰色系统理论进行有效的明确,并应用到机械工程当中,可以更好的提升自身的发展水平。因此,本文在研究的过程中,积极从灰色系统理论的相关概述入手,在对基本内容进行系统分析的同时,积极探索灰色系统理论在机械工程发展中的实际应用,从而更好的把握核心内容,解决发展过程中出现的一些问题。
蔚德申[7](2017)在《低压成套开关设备的全寿命周期成本评估及寿命预测》文中提出低压成套开关设备是一种将断路器、熔断器等众多低压电器运用结构部件完整的组装在一起的电力设备。在电力系统中负责电能的控制、保护、测量、转换和分配,是保证低压电网正常运行的关键设备。当前,低压成套开关设备的成本评估方法不够完善,通常只关注设备的购置费用,而忽略了其他费用,没有全面考虑成本支出,降低了资金利用率。低压成套开关设备现主要采用预防性计划维修模式,这种模式缺乏理论支持,没有考虑设备的实际运行状况,会导致设备的“过剩维修”和“不足维修”,降低了设备维修的经济性。针对以上两方面问题,本文对低压成套开关设备开展了成本评估和寿命预测工作。将全寿命周期成本理论引入低压成套开关设备的成本评估中,把低压成套开关设备的全寿命周期成本分解为一次性投资成本和维护检修成本,考虑到维护检修费用的不确定性,运用GM(1,1)模型对维护检修成本的分布类型进行了拟合,建立了基于灰色系统理论的低压成套开关设备的全寿命周期成本评估模型。通过模型的仿真与计算,得到了低压成套开关设备的最优使用寿命和最小全寿命周期成本。将三参数威布尔分布模型引入低压成套开关设备的寿命预测中,结合统计学中的条件概率理论,提出了基于威布尔分布的低压成套开关设备的剩余寿命预测模型。通过模型的仿真与计算,得到了低压成套开关设备的剩余寿命,实现了对低压成套开关设备剩余寿命的预测,且寿命预测结果与实际情况基本吻合,证明了寿命预测模型的准确性。
王清涛[8](2017)在《广义回归神经网络组合优化模型在高层建筑变形监测中的应用研究》文中研究表明伴随着我国高速发展的经济,各种高层建筑物也在各地频繁出现,这些高层建筑物的出现为老百姓的生活带来了巨大的方便,而同时也为老百姓带来了很多安全隐患。由于受到外界如大气温度、土壤稳定性、水文地质等外界条件以及自身结构载荷的影响,高层建筑物在建设及使用过程中极易出现形变,建筑物的安全运营使用在变形超出了限制数值时就会受到不可估量的影响,乃至危及群众安全。因此定期对建筑物采取必要的变形监测,并采用合理的分析预测模型对变形监测数据进行分析预测是至关重要的。由于高层建筑物自身的复杂性,且引起变形的因素也较多,因此传统单一的变形分析预测模型已很难全面的反映建筑物的变形规律。本论文以灰色GM(1,1)、马尔科夫链(Markov)、广义回归神经网络(GRNN)以及果蝇优化算法(FOA)为基础,通过对模型的组合研究,以高层建筑变形数据分析预测为实例,分析对比各模型的预测效果。本论文的主要研究内容有:(1).讨论了灰色GM(1,1)模型及马尔科夫链(Markov)模型的建模原理及其各自所存在的缺陷。结合两者各自的优势,采用Markov模型对GM(1,1)进行改进优化,建立灰色马尔科夫链(GM-Markov)模型。结合工程实例,对单一模型及优化组合模型进行预测分析。通过对预测结果的分析对比,组合优化模型具有一定的可行性,且预测精度明显高于普通单一模型。(2).阐述广义回归神经网络(GRNN)的基本理论方法,以GRNN模型为例讨论神经网络与灰色系统模型相互组合的方式,以嵌入的方式将GRNN模型和GM-Markov模型组合,建立灰色马尔科夫链的广义回归神经网络(GM-Markov-GRNN)模型。通过工程实例的应用分析,所建立的GM-Markov-GRNN模型由于集合GM(1,1)模型、Markov模型和GRNN模型三者的优势,其模型预测精度明显高于对比模型。(3).讨论了果蝇优化算法(FOA)及其改进算法的基本理论,并以改进算法优化组合模型。通过研究发现,GRNN模型中的光滑因子对网络预测精度有着至关重要的影响,而FOA算法自身存在一定的缺陷,因此借鉴粒子群优化算法(PSO)的速度变量改进普通FOA算法,并验证其有效性。采用改进的FOA算法对GM-Markov-GRNN模型进行优化,建立基于速度变量改进果蝇优化算法的灰色马尔科夫链广义回归神经网络(基于VFOA算法的GM-Markov-GRNN)多方法组合优化分析预测模型,并以高层建筑变形分析预测实例为基础,研究分析组合模型的可行性及预测的精度。通过实验分析对比,建立的基于VFOA算法的GM-Markov-GRNN模型的预测精度明显高于GM(1,1)、GRNN、GM-Markov、GM-Markov-GRNN四种模型,其预测效果得到明显提高。
马勇[9](2017)在《改进的非线性灰色马尔科夫模型在膨胀土隧道中的应用》文中研究表明在隧道工程施工过程中,隧道工程的施工安全和投入使用后的质量性能与围岩变形的稳定息息相关,围岩的失稳是众多的隧道工程事故中一个重要的问题方面,因此,这个重要的工程安全性问题使得当今的隧道工程的研究学者和工程建设单位对隧道围岩的变形监测愈加重视。围岩变形预测的一般方法包括以下几种:经验系数法、安全系数法以及数值分析法等。上述几种预测方法均在工程建设中广泛采用,采用数值分析的方法进行围岩变形分析预测的应用比较较大。隧道围岩的变形所具有的重要特性就是复杂性和不可预见性,数值分析法仅为实际工程提供理论参考。目前,隧道工程领域的专家学者将研究方向转向系统方法对围岩变形的研究,其重要的研究方向就是灰色理论等数理分析方法。本文结合灰色理论针对隧道围岩的变形进行简单介绍和论述。本文课题来源于国家自然科学基金所资助项目:“炎热多雨环境下膨胀围岩隧道施工时的力学性态研究”(项目编号:51368014),以广西南宁地区膨胀土为原材料建立实体隧道模型,通过模拟极端降雨气候条件,监测隧道围岩变形数据,采用经典灰色理论和改进的马尔科夫模型对膨胀围岩变形进行后期数据预测分析,根据不同天数的实测数据,采用两种模型方法分别对隧道围岩的后期变形进行分析,对比预测数据和实测数据,选取围岩稳定的天数,绘制围岩变形量预测值和实测值的对比图,确定围岩最终的稳定时间。结合对围岩变形量的实测数据,分析和讨论经典灰色理论预测模型和改进的非线性马尔科夫模型的优缺点,分别对这两种预测方法进行了详细阐述。GM(1,1)模型在灰色预测理论中是重要的预测模型,具有简单、可操作性强等优点,可以根据少量数据构建模型,但是所构建模型用于预测具有波动性的数据时,预测结果相比实际值,会有一定的偏差,预测值会随着时间的变化而产生一定的误差。改进的非线性马尔科夫模型对样本数据进行优化处理,优化模型中的背景值并引入马尔科夫链模型对预测结果进行修正。改进后的预测模型不仅从样本中挖掘数据的变化规律优化原始数据,而且采用状态转移概率矩阵分析数据的走势,扩宽了灰色理论在隧道工程中的应用范围,有效地提高了围岩变形量预测结果的精度值。针对地质工程资料较少且外在因素较为复杂的地区,可以通过本文提出的围岩变形预测模式来确定二次衬砌的大体支护时间,给隧道的实际施工进度计划的编制和二次衬砌的施做予以一定的指导。
王炯[10](2017)在《组合预测模型在基坑变形监测中的应用研究》文中研究表明近年来,随着社会不断进步,工程建设快速发展,各种基坑工程数量迅速增长。基坑工程作为地下工程施工中内容复杂且多变的领域,保证基坑工程的安全为建筑安全的要点,对其实施安全监测与变形预测成为工程领域重要的研究课题。在基坑施工中,基坑与周围建(构)筑物等设施不可避免会发生形变,如何合理有效的提高基坑形变预测的精度对保证工程安全有重要的意义。本文首先介绍了基坑变形的表现形式,然后对基坑监测的目的及要求、监测方案的设计依据与原则、监测的项目及方式等进行了探讨。紧接着介绍了用于基坑变形预测的时间序列模型、灰色系统模型与BP神经网络模型的基本知识,并且较为详细的阐述了这几种模型的构建方法。针对单一模型预测中存在的缺点,本文引入组合预测模型加以研究,阐述了其组建意义及常用的组合方法。文章采用并联的方式建立了时间序列与BP神经网络最优变权组合模型并以算法的形式加以实现。在经过深入分析灰色系统与神经网络的各自优缺点之后,发现在数据量较小的情况下两种模型具有互补的关系。采用数据优化的方式建立了灰色系统与BP神经网络组合模型,并描述了算法流程。最后引入工程实例进行分析,以郑东新区综合交通枢纽地下道路工程为背景,结合功能强大的计量经济软件Eviews与商用数学软件MATLAB对监测数据进行建模分析。首先构建ARIMA模型、BP神经网络模型、ARIMA与BP神经网络最优变权组合模型用于基坑变形预测,然后经过对比,得出ARIMA与BP神经网络最优变权组合模型比单一ARIMA模型和BP神经网络模型预报精度高的结论。针对数据量较少时的情况,建立GM(1,1)模型进行分析,随后建立GM(1,1)与BP神经网络组合模型对数据进行拟合预测,并将组合模型与单一GM(1,1)模型进行对比,结果显示GM(1,1)与BP神经网络组合模型的精度较高。由此可以推断,通过组合预测模型可以较好的判断形变量的变化趋势,对保障工程的安全有着重要的作用。
二、灰色系统理论及其在工程中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、灰色系统理论及其在工程中的应用(论文提纲范文)
(1)灰色系统理论在粉尘爆炸预防与控制中的应用(论文提纲范文)
1 灰色系统理论 |
1.1 灰色系统理论简介 |
1.2 灰色关联分析 |
1.3 灰色聚类评估 |
1.4 灰色系统预测 |
2 灰色系统理论在粉尘爆炸中的应用 |
2.1 灰色关联分析应用于粉尘爆炸 |
2.2 灰色聚类评估应用于粉尘爆炸 |
2.3 灰色系统预测应用于粉尘爆炸 |
3 结语 |
(2)重庆某浅埋偏压隧道CRD法开挖顺序优化及围岩变形研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 选题背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 隧道监控量测技术研究现状 |
1.2.2 隧道开挖顺序对围岩稳定性影响研究现状 |
1.2.3 隧道围岩变形预测研究现状 |
1.3 研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
第二章 工程概况 |
2.1 工程地质概况 |
2.1.1 地形地貌 |
2.1.2 地层岩性 |
2.1.3 不良地质和特殊性岩土 |
2.2 深埋和浅埋隧道划分原则 |
2.3 围岩结构特征分析与分级 |
2.3.1 围岩结构特征 |
2.3.2 围岩分级 |
2.4 洞室偏压 |
2.5 小净距隧道的相互影响 |
第三章 现场施工方案与监控量测数据分析 |
3.1 隧道施工情况 |
3.1.1 原设计方案 |
3.1.2 变更设计方案 |
3.2 隧道围岩监测情况分析 |
3.2.1 监测项目 |
3.2.2 测点布置 |
3.3 监测结果分析 |
3.3.1 拱顶沉降监测数据 |
3.3.2 水平收敛监测数据 |
3.4 本章小结 |
第四章 浅埋偏压隧道开挖数值模拟分析 |
4.1 隧道围岩极限位移和稳定性影响因素的确定 |
4.1.1 隧道围岩极限位移的确定 |
4.1.2 隧道围岩稳定性影响因素 |
4.2 数值模拟方法 |
4.2.1 数值模拟基本原理 |
4.2.2 Midas/GTS NX简介 |
4.3 模型的建立与参数的选取 |
4.3.1 计算假定 |
4.3.2 本构模型的选取 |
4.3.3 Midas/GTS NX模型的建立 |
4.3.4 参数的选取 |
4.4 不同方案设计 |
4.5 模拟结果分析 |
4.5.1 不同开挖方案下隧道围岩位移分析 |
4.5.2 不同开挖方案下隧道围岩应力分析 |
4.5.3 不同开挖方案下隧道围岩塑性区分布 |
4.6 本章小结 |
第五章 基于灰色理论与BP神经网络的隧道围岩变形预测 |
5.1 灰色理论预测基本方法 |
5.1.1 灰色理论概述 |
5.1.2 灰色模型介绍 |
5.1.3 生成数的介绍 |
5.1.4 GM(1,1)模型的建立 |
5.2 灰色理论在隧道围岩变形预测中的应用 |
5.2.1 灰色理论预测步骤 |
5.2.2 灰色模型预测的计算过程 |
5.3 人工神经网络基本原理 |
5.3.1 人工神经网络简介 |
5.3.2 人工神经网络的应用 |
5.3.3 BP神经网络结构模型 |
5.4 BP神经网络的预测步骤 |
5.5 BP神经网络在隧道围岩变形预测中的应用 |
5.5.1 建立BP神经网络样本数据库 |
5.5.2 数据的归一化处理 |
5.5.3 BP神经网络模型训练与测试 |
5.5.4 BP神经网络的预测结果分析 |
5.6 GM(1,1)灰色模型与BP神经网络预测结果对比 |
5.7 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
附录 攻读硕士学位期间的学术成果 |
(3)崇明东滩多期吹填区地面沉降与土体固结特征分析(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 选题依据与研究意义 |
1.2 研究历史与现状 |
1.2.1 吹填土的区域性研究 |
1.2.2 地面沉降的发展与应对 |
1.2.3 土体沉降计算理论 |
1.2.4 InSAR技术及其在上海的应用 |
1.3 研究内容与创新点 |
第2章 研究区工程地质调查 |
2.1 上海的扩张及崇明岛形成背景 |
2.2 区域概况 |
2.2.1 地形地貌 |
2.2.2 地层岩性与构造 |
2.2.3 气候水文 |
2.3 场地调查 |
2.3.1 崇明东滩简介 |
2.3.2 取样与地层结构 |
本章小结 |
第3章 土层工程地质特征 |
3.1 基本物理性质 |
3.2 基本水理性质 |
3.3 粒度成分 |
3.4 矿物组成 |
3.5 化学性质 |
3.5.1 易溶盐与酸碱度 |
3.5.2 有机质 |
3.5.3 阳离子交换量 |
3.6 土层的压缩特性 |
3.7 土层的渗透特性 |
3.7.1 试验仪器与参数设置 |
3.7.2 渗透系数获取 |
本章小结 |
第4章 微细观结构特征 |
4.1 土的微观结构 |
4.2 冻干法制备微观结构试样 |
4.3 基于MIP试验的微观孔隙特征 |
4.3.1 压汞实验原理 |
4.3.2 微观孔隙分布 |
4.3.3 基于分形理论的孔隙复杂程度分析 |
4.4 基于SEM的微观结构单元体特征 |
4.4.1 微观结构定性分析 |
4.4.2 结构单元体等效直径与形态特征 |
4.4.3 结构单元体排列特征分析 |
4.5 基于CT扫描的细观结构特征 |
4.5.1 CT扫描成像原理 |
4.5.2 扫描参数设置与ROI确定 |
4.5.3 CT值统计与参数计算 |
4.5.4 基于CT值的土非均质性评价 |
本章小结 |
第5章 基于SBAS-In SAR的地面变形监测 |
5.1 SBAS-In SAR算法原理 |
5.2 地面变形速率场的获取 |
5.2.1 数据源 |
5.2.2 流程与参数设置 |
5.2.3 地面变形场与分区 |
5.3 基于灰色系统理论的结果验证 |
5.4 多期吹填区地面沉降特征 |
5.5 差异性沉降成因探讨 |
本章小结 |
第6章 多期吹填区土体固结特征分析 |
6.1 多层土的平均固结度估算 |
6.1.1 双曲线和三点修正指数曲线法联合预测 |
6.1.2 模型预测与结果分析 |
6.2 多期吹填区土体工程特性差异 |
6.2.1 多期吹填区地层结构变化 |
6.2.2 多期吹填区土体物理与成分特征 |
6.2.3 多期吹填区土体压缩与化学特性 |
6.3 多期吹填区土体渗透特征与细微观机理 |
6.4 基于BP神经网络的多尺度参数与地面沉降速率关系模型 |
6.4.1 BP神经网络学习过程与基本理论 |
6.4.2 模型构建流程 |
6.4.3 参数选取与模型实现 |
本章小结 |
第7章 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
作者简介及在学期间所取得的科研成果 |
致谢 |
(4)老铁山水道及其附近水域通航安全评估研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 论文研究背景 |
1.2 研究目的及意义 |
1.3 国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 本文的主要工作 |
2 老铁山水道及附近水域通航现状分析 |
2.1 老铁山水道及附近水域通航概况分析 |
2.1.1 通航情况 |
2.1.2 碍航物 |
2.2 气象条件 |
2.3 水文条件 |
2.4 交通状况 |
2.4.1 交通流统计分析 |
2.4.2 水上交通事故分类分级统计分析 |
3 评价指标体系的建立及权重的确定 |
3.1 评价指标的选取原则 |
3.2 风险因子灰色关联度计算 |
3.2.1 致因因子灰色统计 |
3.2.2 风险因子关联度分析 |
3.3 船员因素 |
3.4 船舶因素 |
3.5 环境因素 |
3.6 管理因素 |
3.7 评价体系的确立 |
3.8 人工神经网络确定评价指标权重 |
3.8.1 人工神经网络 |
3.8.3 评价体系中各项指标权重的确定 |
4 基于灰色理论的通航安全评估 |
4.1 数学评估方法的确定 |
4.2 灰色聚类评估 |
4.3 老铁山水道及其附近水域通航安全评估 |
4.3.1 确定指标矩阵 |
4.3.2 人的因素指标分析及白化权函数的确定 |
4.3.3 船舶因素指标分析及白化权函数的确定 |
4.3.4 环境因素指标分析及白化权函数的确定 |
4.3.5 管理因素指标分析及白化权函数的确定 |
4.3.6 评价结果分析 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
附录A 交通事故致因因素统计表 |
附录B 老铁山水道及其附近水域通航安全评价专家调查问卷 |
附录C 老铁山水道及其附近水域通航安全评价指标评分调查问卷 |
致谢 |
作者简历 |
(5)基于灰色组合模型的高速铁路路基沉降预测及应用研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 选题背景及意义 |
1.1.1 选题背景 |
1.1.2 研究目的及意义 |
1.2 国内外研究现状 |
1.3 研究内容和技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
2 高速铁路路基沉降机理及观测 |
2.1 高速铁路路基 |
2.1.1 路基结构 |
2.1.2 沉降类型 |
2.2 观测方案 |
2.2.1 影响因素 |
2.2.2 观测方案编制及原则 |
2.2.3 观测技术标准 |
2.3 本章小结 |
3 高速铁路路基沉降预测模型 |
3.1 灰色系统 |
3.1.1 灰色GM(1,1) |
3.1.2 灰色Verhulst |
3.1.3 模型精度评定 |
3.2 小波理论 |
3.2.1 小波变换 |
3.2.2 小波去噪 |
3.2.3 小波去噪效果评价 |
3.3 神经网络模型 |
3.3.1 人工神经网络 |
3.3.2 人工神经网络变换机理 |
3.4 其他预测模型 |
3.5 单一预测模型预测效果分析 |
3.6 本章小结 |
4 模型改进及组合方式 |
4.1 预测模型改进 |
4.1.1 GM(1,1)模型初始值优化 |
4.1.2 GM(1,1)模型残差优化 |
4.1.3 非等间隔序列的处理 |
4.1.4 灰色Verhulst时间响应式的优化 |
4.1.5 灰色Verhulst模型背景值优化 |
4.2 组合方式 |
4.2.1 小波去噪后的灰色模型 |
4.2.2 基于BP神经网络的灰色模型 |
4.2.3 实例验证 |
4.3 高速铁路路基沉降预测组合模型 |
4.3.1 高速铁路路基沉降预测组合模型概述 |
4.3.2 高速铁路路基沉降预测组合模型 |
4.3.3 模型精度评价方式 |
4.4 本章小结 |
5 灰色组合模型在工程实践中的运用 |
5.1 工程背景 |
5.2 高速铁路路基沉降变形监测 |
5.2.1 GM(1,1)预测模型 |
5.2.2 小波优化的GM(1,1)模型 |
5.2.3 BP神经网络 |
5.2.4 小波优化的灰色GM-BP神经网络模型 |
5.3 数据分析 |
5.3.1 预测数据处理与分析 |
5.3.2 沉降预测曲线分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
攻读学位期间的研究成果 |
参考文献 |
(6)灰色系统理论及其在机械工程中的应用(论文提纲范文)
1 灰色系统理论的相关概述 |
1.1 灰色系统理论的概念 |
1.2 灰色系统的理论指导 |
1.3 灰色系统理论的相关概述 |
2 灰色系统理论在机械工程中的应用 |
3 灰色系统理论在机械工程中实际应用的实例 |
4 结语 |
(7)低压成套开关设备的全寿命周期成本评估及寿命预测(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 选题背景 |
1.2 低压成套开关设备的全寿命周期成本评估及寿命预测的研究意义 |
1.3 低压成套开关设备的全寿命周期成本理论与寿命预测技术的研究现状 |
1.3.1 低压成套开关设备的发展历程 |
1.3.2 低压成套开关设备的全寿命周期成本理论的研究现状 |
1.3.3 低压成套开关设备的寿命预测技术的研究现状 |
1.4 本文研究的主要内容 |
第二章 低压成套开关设备的全寿命周期成本分析 |
2.1 引言 |
2.2 低压成套开关设备 |
2.3 低压成套开关设备的全寿命周期成本构成 |
2.3.1 全寿命周期成本理论 |
2.3.2 低压成套开关设备的LCC各构成要素 |
2.4 LCC的估算方法 |
2.4.1 类比估算法 |
2.4.2 参数估算法 |
2.4.3 神经网络估算法 |
2.4.4 工程估算法 |
2.5 本章小结 |
第三章 基于灰色系统理论的低压成套开关设备的全寿命周期成本评估模型 |
3.1 灰色系统理论 |
3.1.1 灰色系统理论介绍 |
3.1.2 灰色系统理论基本原理和主要内容 |
3.1.3 灰色序列生成 |
3.1.4 灰色微分方程 |
3.1.5 灰色GM(1,1)预测模型 |
3.1.6 灰色关联分析 |
3.2 改进的加权型GM(1,1)模型 |
3.3 低压成套开关设备的LCC评估模型 |
3.4 低压成套开关设备故障时间的获取 |
3.4.1 低压成套开关设备维修信息数据库的建立 |
3.4.2 低压成套开关设备故障时间数据的筛选 |
3.5 低压成套开关设备的LCC评估模型在LabVIEW中的仿真 |
3.6 本章小结 |
第四章 基于威布尔分布的低压成套开关设备的寿命预测模型 |
4.1 威布尔分布模型 |
4.1.1 威布尔分布模型介绍 |
4.1.2 威布尔分布的参数估计方法 |
4.1.3 可靠性特征量的计算 |
4.2 低压成套开关设备的剩余寿命预测模型 |
4.3 低压成套开关设备剩余寿命预测模型在LabVIEW中的仿真 |
4.4 本章小结 |
第五章 结论 |
参考文献 |
附录 A |
攻读学位期间所取得的相关科研成果 |
致谢 |
(8)广义回归神经网络组合优化模型在高层建筑变形监测中的应用研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 建筑物变形分析预测研究背景及意义 |
1.2 建筑物变形数据处理发展现状 |
1.3 果蝇优化算法的发展现状 |
1.4 论文研究的主要内容及结构 |
1.5 本章小结 |
第2章 高层建筑变形分析预测的基本理论概述 |
2.1 小波去噪理论 |
2.2 灰色系统 |
2.3 马尔科夫理论 |
2.4 神经网络 |
2.5 本章小结 |
第3章 基于灰色马尔科夫链的广义回归神经网络 |
3.1 灰色马尔科夫链预测模型 |
3.1.1 灰色系统模型 |
3.1.1.1 灰色系统模型的建模机理 |
3.1.1.2 GM(1,1)模型建模 |
3.1.1.3 GM(1,1)的模型精度检验 |
3.1.2 马尔科夫预测法 |
3.1.2.1 马尔科夫过程 |
3.1.2.2 马尔科夫链 |
3.1.3 灰色马尔科夫链模型建模 |
3.1.3.1 灰色马尔科夫链模型 |
3.1.3.2 合理性分析 |
3.2 广义回归神经网络 |
3.2.1 人工神经网络的基本概念 |
3.2.1.1 人工神经元模型 |
3.2.1.2 人工神经网络的网络结构类型 |
3.2.2 广义回归神经网络 |
3.2.2.1 网络结构 |
3.2.2.2 理论依据 |
3.2.2.3 平滑因子的确定 |
3.2.2.4 广义回归神经网络模型的优点 |
3.3 基于灰色马尔科夫链的广义回归神经网络模型 |
3.3.1 广义回归神经网络与灰色系统组合方式 |
3.3.2 基于灰色马尔科夫链的广义回归神经网络模型 |
3.3.2.1 模型建模流程 |
3.3.2.2 合理性分析 |
3.3.3 组合模型的精度评定 |
3.3.4 实例分析 |
3.4 本章小结 |
第4章 果蝇优化算法 |
4.1 进化算法及群智能算法 |
4.2 果蝇优化算法 |
4.2.1 果蝇优化算法的简介及基本原理 |
4.2.2 果蝇优化算法的优化步骤 |
4.2.3 果蝇优化算法的特性 |
4.2.4 果蝇优化算法的优点及缺陷 |
4.3 果蝇优化算法的改进 |
4.3.1 粒子群优化算法 |
4.3.2 基于速度变量的果蝇优化算法(VFOA) |
4.3.3 基于VFOA算法的广义回归神经网络模型 |
4.3.4 实例分析 |
4.4 本章小结 |
第5章 基于VFOA算法的GM-Markov-GRNN模型 |
5.1 基于VFOA算法的GM-Markov-GRNN模型建模过程 |
5.2 工程实例 |
5.2.1 工程概况 |
5.2.2 单一模型及其组合优化模型对比 |
5.2.3 组合模型与组合模型对比分析 |
5.3 本章小结 |
第6章 结论及展望 |
6.1 结论 |
6.2 不足展望 |
参考文献 |
申请学位期间参与科研项目及发表论文 |
致谢 |
(9)改进的非线性灰色马尔科夫模型在膨胀土隧道中的应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 问题的提出及研究意义 |
1.1.1 选题背景 |
1.1.2 选题依据 |
1.1.3 研究意义 |
1.2 膨胀围岩基本概念及围岩变形对衬砌的影响 |
1.2.1 膨胀围岩的定义 |
1.2.2 膨胀围岩变形及对衬砌的影响 |
1.2.3 膨胀围岩隧道模型数据的监测采集 |
1.3 膨胀土材料的性质及研究现状 |
1.3.1 膨胀土普遍性的研究 |
1.3.2 膨胀土地区隧道的研究现状 |
第二章 围岩的变形与隧道衬砌支护 |
2.1 隧道的衬砌 |
2.2 衬砌的变形及二次支护 |
2.3 衬砌支护国内外研究现状 |
2.4 本文的理论预测和试验分析结合点 |
2.4.1 灰预测与灰决策的应用 |
2.4.2 隧道主要的开挖方式 |
2.4.3 隧道围岩变形预测的主要方法 |
2.4.4 本文主要内容和技术路线 |
第三章 膨胀围岩室内模型试验 |
3.1 试验内容 |
3.1.1 膨胀围岩材料制备 |
3.1.2 模型箱基本条件 |
3.1.3 物理隧道模型制作 |
3.2 安装数据监测设备 |
3.3 模拟隧道开挖 |
3.4 隧道模型模拟降雨过程 |
3.5 构造围岩变形量预测模拟系统 |
第四章 灰预测理论及马尔科夫模型预测理论 |
4.1 灰色系统理论 |
4.1.1 GM(1,1)模型 |
4.2 马尔科夫链模型理论 |
4.2.1 引言 |
4.2.2 马尔科夫过程 |
4.2.3 灰色转移概率马尔科夫模型 |
4.3 本章小节 |
第五章 灰色理论在隧道膨胀围模型中围岩变形预测的应用 |
5.1 膨胀土隧道模型监测内容及描述 |
5.2 灰色模型预测步骤 |
5.2.1 灰色预测模型在隧道膨胀土围岩应变应预测中的应用 |
5.2.2 实测数据的处理和灰色预测 |
5.3 灰色马尔科夫模型对隧道围岩变形的预测 |
5.3.1 灰色转移概率马尔科夫模型 |
5.3.2 灰色状态马尔科夫模型 |
5.3.3 灰色马尔科夫状态模型在隧道围岩变形分析中的应用 |
5.4 本章小节 |
第六章 改进的非线性灰色马尔科夫模型对隧道围岩变形预测 |
6.1 灰色非线性伯努利预测模型 |
6.2 改进的非线性灰色马尔科夫预测模型 |
6.3 改进的模型结合实测数据对围岩变形的预测 |
6.4 本章小节 |
第七章 总结和展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
个人简历 |
申请学位期间的研究成果及发表的学术论文及科研情况 |
参加科研情况 |
致谢 |
(10)组合预测模型在基坑变形监测中的应用研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究的背景与意义 |
1.2 国内外研究现状 |
1.2.1 基坑变形监测研究现状 |
1.2.2 基坑变形预测研究现状 |
1.3 本文研究内容 |
第2章 基坑变形监测技术研究 |
2.1 基坑变形的表现形式 |
2.2 基坑监测的目的及要求 |
2.2.1 监测的目的 |
2.2.2 监测的要求 |
2.3 基坑监测方案的设计 |
2.3.1 监测方案设计依据 |
2.3.2 监测方案设计原则 |
2.4 监测内容 |
2.5 基坑监测数据处理及结果提交 |
2.6 本章小结 |
第3章 基坑变形预测模型研究 |
3.1 时间序列模型 |
3.1.1 时间序列概述 |
3.1.2 时间序列平稳性 |
3.1.3 时间序列的基本模型 |
3.1.4 时间序列模型建模方法 |
3.2 灰色系统模型 |
3.2.1 灰色系统模型及数据生成方法 |
3.2.2 GM(1,1)模型的建立 |
3.2.3 GM(1,1)模型的精度检验 |
3.3 神经网络模型 |
3.3.1 人工神经网络的特征 |
3.3.2 神经元模型 |
3.3.3 神经网络的结构及其学习方法 |
3.3.4 BP神经网络算法原理与网络设计 |
3.3.5 BP神经网络模型的MATLAB实现 |
3.4 本章小节 |
第4章 组合模型在基坑变形预测中的研究 |
4.1 组合模型建立的意义 |
4.2 组合模型的分类 |
4.2.1 并联式组合模型 |
4.2.2 串联式组合模型 |
4.3 时间序列与BP神经网络组合模型 |
4.3.1 组合模型权系数的确定 |
4.3.2 时间序列与BP神经网络最优变权组合算法流程 |
4.4 灰色系统与BP神经网络组合模型 |
4.4.1 灰色系统与神经网络的关系 |
4.4.2 灰色系统与BP神经网络组合模型的建立 |
4.5 模型精度评定 |
4.6 本章小节 |
第5章 工程实例分析 |
5.1 工程概况 |
5.1.1 监测目的与监测依据 |
5.1.2 监测项目、点位的布置和要求 |
5.1.3 安全巡视作业流程 |
5.1.4 监测报警及所采取措施 |
5.1.5 信息反馈 |
5.2 基于ARIMA模型的基坑变形预测 |
5.3 基于BP神经网络模型的基坑变形预测 |
5.4 基于ARIMA与 BP神经网络的组合模型的基坑变形预测 |
5.5 基于GM(1,1)模型的基坑变形预测 |
5.6 基于GM(1,1)与BP神经网络组合模型的基坑变形预测 |
5.7 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
个人简介 |
致谢 |
四、灰色系统理论及其在工程中的应用(论文参考文献)
- [1]灰色系统理论在粉尘爆炸预防与控制中的应用[J]. 许美琪,王亚茹,徐伟,蒋浩,张磊. 河南科技, 2021(21)
- [2]重庆某浅埋偏压隧道CRD法开挖顺序优化及围岩变形研究[D]. 李扬. 昆明理工大学, 2021(01)
- [3]崇明东滩多期吹填区地面沉降与土体固结特征分析[D]. 于庆博. 吉林大学, 2020
- [4]老铁山水道及其附近水域通航安全评估研究[D]. 李庚华. 大连海事大学, 2020(03)
- [5]基于灰色组合模型的高速铁路路基沉降预测及应用研究[D]. 刘鹏鹏. 兰州交通大学, 2020(01)
- [6]灰色系统理论及其在机械工程中的应用[J]. 冯伟杰,张景珊,付晓琪. 中国金属通报, 2018(10)
- [7]低压成套开关设备的全寿命周期成本评估及寿命预测[D]. 蔚德申. 河北工业大学, 2017(01)
- [8]广义回归神经网络组合优化模型在高层建筑变形监测中的应用研究[D]. 王清涛. 桂林理工大学, 2017(06)
- [9]改进的非线性灰色马尔科夫模型在膨胀土隧道中的应用[D]. 马勇. 桂林理工大学, 2017(06)
- [10]组合预测模型在基坑变形监测中的应用研究[D]. 王炯. 桂林理工大学, 2017(06)