【摘要】： 边坡的稳定性受控于岩土体的基本特性和人为改造的程度两方面因素。由于地质体的复杂性、多变性和不均质性,以及施工扰动,使得边坡的稳定性判定变得尤为复杂。实践证明,如分析方法得当,采用边坡监测的方法可对边坡施工过程岩土体的变形进行监控,对边坡设计和施工具有重大的指导意义和经济意义。 论文以攀(枝花)至田(坊)高速公路望江岭隧道出口与大桥边坡为依托工程背景,以边坡的现场监测数据为分析研究依据,着重从边坡的运动特性、边坡监测信息处理和多传感器信息综合处理理论的应用等几个方面开展研究。基于边坡的运动特性和边坡监测的数据进行信息综合处理,以提取一个能反映边坡整体变形的综合位移信息,做出稳定性评价。 采用人工智能遗传算法的信息综合处理技术方法,并将遗传算法结合实际情况做了进一步改进,运用改进后的遗传算法对边坡监测数据进行数据层的综合处理,得到了显著的滤波效果,处理后的曲线数据能较为真实的、直观的反应坡体的总体变形演化状况。证实了信息综合处理技术在边坡基础性研究问题上的可行性。通过现场监测与信息综合处理分析,为边坡的动态设计与施工提供了理论依据与数据支持,对保证边坡的顺利施工起到了非常关键的作用。 【关键词】：边坡 现场监测 信息综合处理 遗传算法
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：U416.14
【DOI】：CNKI:CDMD:2.2009.218983
【目录】：

• 摘要6-7
• Abstract7-10
• 第1章 绪论10-23
• 1.1 研究背景与意义10-11
• 1.2 国内外研究现状11-22
• 1.2.1 边坡研究现状11-16
• 1.2.2 现场监测研究现状16-18
• 1.2.3 遗传算法研究现状18-19
• 1.2.4 信息综合处理技术研究现状19-22
• 1.3 本文研究的目标、主要内容22-23
• 1.3.1 研究的目标22
• 1.3.2 研究的内容22-23
• 第2章 人工遗传系统简介23-33
• 2.1 遗传算法的产生与发展23-24
• 2.2 遗传算法的理论基础24-27
• 2.2.1 模式定理24-25
• 2.2.2 积木块假设25-26
• 2.2.3 内在并行性26
• 2.2.4 遗传算法的收敛性26-27
• 2.3 遗传算法的操作与运算27-31
• 2.3.1 交叉27-28
• 2.3.2 变异28-29
• 2.3.3 选择29-31
• 2.4 人工遗传系统的典型应用31-33
• 第3章 信息综合处理理论简介33-40
• 3.1 信息综合处理的定义33-34
• 3.2 信息综合处理的基本原理34
• 3.3 多传感器信息综合处理的功能模型34-37
• 3.4 信息综合处理的算法37-39
• 3.4.1 随机类方法37
• 3.4.2 人工智能方法37-39
• 3.5 信息综合处理的典型应用39-40
• 第4章 边坡现场及监测系统设计40-53
• 4.1 边坡概况40-47
• 4.1.1 地理位置及工程规模40-41
• 4.1.2 地层、岩性41-44
• 4.1.3 地质构造及岩体特征、新构造运动及地震烈度44-45
• 4.1.4 水文及水文地质条件45-47
• 4.2 边坡监测系统设计47-53
• 4.2.1 监测系统设计概述47
• 4.2.2 监测变量的选择47-48
• 4.2.3 监测仪器的安装48-52
• 4.2.4 监测频率52-53
• 第5章 边坡监测数据采集、分析与综合处理53-85
• 5.1 监测数据的采集53-54
• 5.1.1 监测数据采集概述53
• 5.1.2 监测数据采集的步骤53-54
• 5.2 监测数据的处理54-56
• 5.3 监测数据分析与数据综合处理56-85
• 第6章 结论85-87
• 致谢87-88
• 参考文献88-93
• 攻读硕士学位期间发表的论文93
• 参加的科研项目93