一、基于神经网络模型的地下岩溶分布预测（论文文献综述）
崔庆龙[1]（2021）在《岩溶地层盾构施工引起地表沉降的规律及预测研究》文中研究说明文章对岩溶地区某盾构隧道施工引起的地表沉降进行现场监测,分析了盾构施工过程引起地表沉降的变化规律,并建立了考虑隧道尺寸、地质条件、隧道施工三个方面共15个因素的BP神经网络模型对地表沉降进行预测。结果表明,地表沉降的变化过程可分为四个阶段:（1）当盾构机还没到达监测点前,地表沉降变化很小;（2）当盾构机前部通过监测点时,地表沉降逐渐增大;（3）当盾构机尾部通过监测点时,地表沉降稍微减小,这是由于盾尾同步注浆压力的影响;（4）当盾构机全部通过监测点后,地表沉降逐渐增大,盾构机全部通过监测点20 m（约4 d）后,地表沉降趋于稳定。地表沉降规律符合Peck沉降槽曲线规律,地层损失率范围为1.1%～2.5%。在盾构掘进缓慢且长时间停机或周围有施工干扰时,地表沉降较大,最大值达85.8 mm。
杨洋,王用鑫,李虎,王庆林,范涛,门燕青,刘锐,孙怀凤[2]（2022）在《基于深度学习的井间地震CT初至自动拾取方法》文中研究表明井间地震CT方法能够有效探测岩溶等不良地质,而拾取地震波的初至对其反演结果至关重要.以往井间地震CT初至拾取通过手动标定,效率低,无法满足模型训练要求.本文基于人工源地震初至的时距特征,提出了一种基于深度学习的地震初至训练样本库快速标定方法.利用人工合成数据训练初始网络模型,采用少量人工标定实测数据进一步训练,基于该网络模型对未标定的井间地震实测数据剖面进行初至拾取,采用长短时窗比法修正曲线拟合结果,对仍不理想的拾取结果进行人工判别和改正,并将准确标定数据加入训练集,形成新的网络模型;通过迭代实现数据集再生成并获得后续阶段的网络模型.基于上述方法完成了80 000道数据的初至拾取,在充分训练后神经网络具备较高的拾取精度,采用3840组数据对该模型进行测试,发现预测结果与人工拾取结果对比的绝对误差值小于0.2ms的数据占91.8%,说明该方法是一种切实有效且高效的井间地震CT初至拾取方法.
陈培帅,袁青,张子平,杨林,陈再励,吴立[3]（2022）在《基于卷积神经网络的隧道富水破碎带地质超前预报图像解译方法》文中研究表明针对地质雷达图像解译依赖于专家经验、费时费力且易受主观因素影响精度的问题,提出基于卷积神经网络理论算法针对超前预报中富水破碎带自动化定位预测方法:设计了残差网络结构、损失函数与训练策略;通过对云南文马高速公路中3条重点隧道的地质雷达图像进行收集筛选,构建了富水破碎带深度特征提取的超前预报网络模型;在Pytorch深度学习框架下,采用训练预热策略及自适应矩估计（Adam）优化器实现了模型参数稳定收敛的高效训练.通过测试验证及对比实验,表明这种方法对隧道地质雷达图像中的富水破碎带不良地质体特征具有较好的检测精度.文马高速望城坡隧道实践证明,该方法可辅助判定隧道施工过程中富水破碎带,识别定位不良地质区域及概率置信度,为实际工程提供决策依据.
陈菊艳,朱斌,彭三曦,单慧媚[4]（2021）在《基于AHP和GIS的矿区岩溶塌陷易发性评估——以贵州林歹岩溶矿区为例》文中指出岩溶矿山疏干降压显着改变矿区地下水流场,加剧岩溶塌陷及地面沉降等地质灾害,制约着矿山生产效益。本文针对贵州林歹矿区的岩溶塌陷问题,分析致塌因素及机理,结合专家打分法和层次分析法（AHP）确定各评价因子及其权重,继而利用地理信息系统（GIS）的空间叠加技术建立并验证矿区岩溶塌陷易发区评价模型。在此基础上,预测矿区延伸开采至1 040 m中段时,隔水底板在是否遭受破坏的这两种不同水动力条件下的岩溶塌陷易发区。结果显示,矿区的现状评价模型具有很高的精确度;矿山延伸开采过程中,隔水底板遭受破坏将给矿区带来不可挽回的灾难,其首要任务是保护隔水底板不受破坏。本文突破了矿山岩溶塌陷防治的瓶颈,也为矿山水害防治提供一种新方法,具有显着的经济效益和社会意义。
邹洋,彭立敏,张智勇,雷明锋,彭龙,施成华[5]（2021）在《基于突变理论的岩溶隧道拱顶安全厚度分析与失稳预测》文中认为为解决岩溶地区隧道安全施工的问题,在突变理论基础上,对岩溶隧道顶板安全厚度及稳定性问题进行研究。基于弹性梁模型,综合考虑围岩自重和隧道坡度等因素,建立隧道拱顶突变失稳的判别方程,得到岩溶隧道顶板安全厚度的计算公式,并分析相关因素对顶板安全厚度的影响规律。在此基础上,进一步提出隧道拱顶失稳预测方法,并结合工程实例进行验证。研究结果表明:溶腔水压力、溶腔大小、围岩弹模对拱顶安全有着重要影响;基于突变理论得到的岩溶隧道顶板安全厚度计算方法在实际工程应用中具备可行性与较高的准确性,建立的顶板失稳预测模型能有效预测岩溶隧道拱顶失稳时间。
王绅皓,谢婉丽,奚家米,井旭[6]（2021）在《基于GIS与BP神经网络的矿区塌陷易发性预测》文中研究指明为了提高矿区塌陷预测的效率及简便性,提出使用神经网络算法进行分析预测。选取水文特征、地质构造、终采时间、覆岩强度、顶板跨度、开采深度、采煤高度、空间迭置层数8个致灾因子作为塌陷易发性的评价指标,并将矿区划分为4个塌陷易发性等级;利用GIS的空间分析功能对各预测数据进行栅格化;并以矿区中部及南部单元作为样本进行训练构建BP神经网络模型,余下的北部单元检验预测效果;结合GIS系统将模型输出结果图像化得到矿区的塌陷易发性分区图。结果显示:神经网络模型在训练过程中达到快速的收敛效果,预测结果和已发生的塌陷基本吻合,适合应用于初期对矿区塌陷的预测。
李鹏举,郑方坤,吕建兵,吴维俊,刘锋,陈贡发[7]（2021）在《基于大数据迁移学习的灰岩地区排水孔淤堵自动识别技术》文中研究说明隧道排水管淤堵或者失效,会危及边坡的稳定和公路的交通安全。目前缺乏对排水孔淤堵分类的研究。排水孔淤堵分类对排水管道的后期养护具有重大意义。为探索排水孔淤堵智能化检测方法,文章依托广连高速高峰隧道等粤北实体工程,研究了一种采用模型迁移的方法,将排水孔图像数据输入预训练卷积神经网络进行训练,以对新图像进行分类。在采集的排水孔图像数据集上进行试验,对比了三种不同网络模型对该数据集的准确率,结果表明,使用ResNet-18进行排水孔淤堵分类识别,准确率可达到93%,实现了对排水孔淤堵状态的有效分类,并且随着日后数据集的扩大,识别准确率将会有进一步的提高。
李长海,赵伦,刘波,李建新,陈烨菲,张宇[8]（2021）在《碳酸盐岩裂缝研究进展及发展趋势》文中指出裂缝对碳酸盐岩储层油气产能有重要的影响。在总结碳酸盐岩裂缝的分类、成因、主控因素、识别与预测等方面的基础上,认为对非构造缝的分类、命名及其含义仍存在较大争议。裂缝成因主要包括构造作用、成岩作用、异常高压作用、剥蚀作用和风化作用。粒度和孔隙度对构造缝发育的影响机理有待进一步深入研究。沉积相对构造缝发育有一定的影响,但同一沉积相内岩性组成复杂,难以准确揭示裂缝发育的影响机理。直接研究岩性对裂缝发育影响更利于揭示裂缝形成机理。基于成岩演化序列对裂缝进行研究可明确裂缝形成时的岩石特征,为深入讨论构造缝发育的主控因素提供了基础。层间缝、缝合线、异常高压缝和溶蚀缝等非构造缝发育的主控因素有待进一步深入研究。近几年地震技术识别裂缝突破不大,非常规测井识别裂缝领域以声波远探测技术发展最快。常规测井识别裂缝一直是研究的热点问题,不同学者提出了40余种裂缝识别方法。测井、地震信息裂缝预测法预测结果可靠性高,是目前主流的裂缝预测技术。规范裂缝分类、梳理裂缝成因、深化构造缝发育机理研究、加强非构造缝主控因素探讨、提高常规测井裂缝识别率、综合现有不同裂缝预测技术预测裂缝是下一步裂缝研究的重要发展方向。
李恒丽[9]（2021）在《基于人工神经网络模型的丽江黑龙潭泉群断流分析》文中指出地下水资源是地球水资源的重要组成部分,是人类赖以生存和发展的重要条件。我国西南部地区居民生活用水和工农业生产用水的主要水源就是地下水,地下水资源的合理开发和利用也是影响生态环境的关键因素。位于云南省丽江市古城区的黑龙潭泉群,是丽江古城居民生活用水的源头,随着社会的发展,地下水开采量不断增加,开采不合理等问题的出现,黑龙潭泉群地下水位呈现持续下降的现象,尤其在降雨偏少或干旱时泉群会发生断流,特别是近年来由于城镇扩建,工农产业兴起,井采也越来越严重,导致泉群断流情况越来越严重,断流次数逐渐增多、时长也增长,给丽江市的发展造成一定的影响,破坏了当地的生态环境,给当地居民生产生活用水带来不便,增加了当地居民用水的成本。因此如何合理的开发,利用,保护泉群地下水资源是当前水资源管理工作的重点,如何有效的解决泉群断流问题及查明泉群断流原因提前做好断流防治措施是当前的首要任务。研究各种水利工程及人为活动影响下的地下水动态,建立变化条件下的地下水流数值模拟模型,对地下水均衡状况作出预测很有必要,对地下水资源开发利用有着重要的意义。本文采用人工神经网络方法分析当地降雨量与黑龙潭泉群流量变化的关系。通过野外地质调查,查明研究区的地质环境条件,水文地质条件,地下水系统补径排特征,系统研究分析黑龙潭泉群的断流原因及断流过程,查阅相关文献资料及结合历年的监测数据,利用MATLAB人工神经网络方法展开对黑龙潭泉群流量及水位的分析研究,对黑龙潭的断流时间作出预测,给黑龙潭补水时间提供依据。使用MATLAB作为工具载体,应用最小二乘法非线性回归分析黑龙潭泉群流量与水位之间的关系;应用三次指数平滑法预测黑龙潭泉群水位;应用BP神经网络预测方法及神经网络拟合工具箱对黑龙潭泉群流量进行预测;应用神经网络模式识别进行黑龙潭泉群断流分析。使用标准化作为训练样本,并使用大量实际样本数据进行测试,将各方法得出的结论与实际结果进行对比,以流量和水位为突破口,进行断流分析。主要研究结果如下:（1）黑龙潭泉群的主要补给来源为大气降水,大气降水集中在九子海通过九子海径流补给黑龙潭。（2）通过统计分析得出丽江的水平衡自2004年起发生了很大变化,是水平衡状态的一个分界年。在这之前,黑龙潭的断流情况严重依赖于降水量;在这之后,由于平衡被打破,断流情况越来越严重。而地下水开采量增大是打破丽江水平衡的关键原因,由于深部排泄越来越大,使黑龙潭井水位逐渐下降,达不到出水水位,黑龙潭就发生断流。（3）通过模型模拟得出黑龙潭流量与降雨量呈正相关,持续的降雨量会使黑龙潭流量变大。而井水位与流量也呈高度相关,降雨量较少时,井水位会持续下降,计算得出九子海当月往前一个月的降雨量对井水位的影响更大,其相关性系数为0.7876,往前两个月的相关性系数为0.6466,说明九子海降雨在1-2月后会到达黑龙潭。（4）黑龙潭的井水位决定了其断流是否发生,当井水位低于一定的值,无论九子海降雨多少,都要先补充地下水位,使其达到出水水位黑龙潭才会有流量。（5）人工神经网络模型对黑龙潭流量和断流预测都取得了一定成效,预测值与实际值基本相符,该模型可以用于对黑龙潭流量及断流情况的监测,为黑龙潭补水提供时间依据。（6）经综合分析计算得出黑龙潭可在预测出断流时就进行补水,其补水量根据其断流的影响因素来计算。
李朝阳[10]（2020）在《基于数据学习的岩溶隧道突涌水风险评估及预警研究》文中指出岩溶隧道突涌水灾害是严重制约岩溶隧道安全施工的瓶颈,一旦引发,将造成经济损失、工期延误以及人员伤亡等严重后果。由于地下工程环境的多变性和复杂性,岩溶隧道突涌水灾害发生概率一直无法得到准确计算。因此,建立新的岩溶隧道突涌水风险评估模型,精确预测突水概率和灾害后果,提出基于岩溶隧道防灾设计的预警机制具有重要工程价值。本文详细统计了近年来发生的重要岩溶隧道突水案例,完善现有风险分级标准。引入可靠度理论、GA-BP神经网络、贝叶斯网络建立新的风险评估模型,通过自主编制程序实现风险定量评估,并自建数据库建立风险等级与防灾措施之间的预警关系。取得主要研究成果如下:（1）研究确定了诱发岩溶隧道突涌水的3类11个影响因素的主次排序,获得了致灾性最强的4个主控因素,即不良地质、地形地貌、可溶岩与非可溶岩接触带、地下水位。引入概率分级标准,完善风险等级制度,在现有岩溶隧道涌水量分级的基础上确定亚级分级,进一步提高评估结果精度。（2）针对高压富水溶腔型岩溶隧道突水灾害,建立了基于可靠性理论和GA-BP神经网络的新型定量评估模型。选取岩盘最小防突厚度作为显性功能函数,利用可靠性理论通过确定每个随机变量的概率密度分布来计算突水概率。并利用GA-BP神经网络预测了突水造成的灾害后果。选择水压、水力补给、裂缝类型、充填条件、富水程度和溶洞储量等六个因素作为神经网络的输入层,以灾害后果作为输出层。筛选同类案例以获取各指标的统计信息,并使用MATLAB中的Normand函数将该信息转换为定量数据。结合突水的可能性和灾害后果对野三关隧道602溶腔进行风险评估,并于实际情况和PASM法评价结果进行对比,验证了模型的可行性和可靠性。（3）基于未识别灾害源或是指标信息精度不够的情况,建立贝叶斯网络风险评估模型。基于解释结构模型进行手工建模,再用因果图法修正,确定网络节点之间的从属关系。并基于对抗网络和层次分析法来生成对应的未突水样本,进一步丰富网络数据库。在模型通过训练和验证后,通过总体精度（ACC）等4项指标来对训练结果进行评估。最后将评估模型应用于上高山隧道DK490+373突水案例,验证了模型的可行性和准确性。（4）基于Visual Basic编程工具,对新建风险评估模型进行程序实现。对突水的灾害防治原则和措施进行归纳、统计,建立风险预警等级和灾害防治指导之间的关系。基于自主编制的程序,建立岩溶隧道突涌水灾害案例数据库,便于在风险评估后查询相似的工程案例,为类似工程施工提供指导和借鉴。该论文有图48幅,表41个,参考文献166篇。
二、基于神经网络模型的地下岩溶分布预测（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、基于神经网络模型的地下岩溶分布预测（论文提纲范文）
（1）岩溶地层盾构施工引起地表沉降的规律及预测研究（论文提纲范文）
| 1 引 言 |
| 2 工程概况 |
| 3 地表沉降监测方案 |
| 3 地表沉降变化规律分析 |
| 4 基于BP神经网络的地表沉降预测 |
| 4.1 影响地表沉降的因素 |
| 4.2 BP神经网络结构的设计 |
| 4.3 地表沉降预测 |
| 5 结 论 |
（2）基于深度学习的井间地震CT初至自动拾取方法（论文提纲范文）
| 1 原理和方法 |
| 1.1 井间地震CT原理 |
| 1.2 初至拾取网络结构 |
| 1.3 结果优化和样本生成 |
| 1.4 数据获取 |
| 1.5 处理流程 |
| 2 实测数据处理 |
| 2.1 人工参与度 |
| 2.2 拾取结果与拾取误差统计 |
| 3 结论 |
（3）基于卷积神经网络的隧道富水破碎带地质超前预报图像解译方法（论文提纲范文）
| 1 地质雷达超前预报 |
| 1.1 检测原理 |
| 1.2 数据解释 |
| 2 基于卷积神经网络的富水破碎带定位探测 |
| 2.1 整体框架 |
| 2.2 网络结构 |
| 2.3 损失函数 |
| 2.4 训练策略 |
| 3 工程应用 |
| 3.1 工程概况 |
| 3.2 数据集构建 |
| 3.3 参数配置及训练 |
| 3.4 模型性能评估 |
| 3.5 实际应用结果展示 |
| 4 结论 |
（4）基于AHP和GIS的矿区岩溶塌陷易发性评估——以贵州林歹岩溶矿区为例（论文提纲范文）
| 1 研究区概况 |
| 2 塌陷易发区评价 |
| (1)评价因子权重确定 |
| 1)判别矩阵的建立 |
| 2)一致性检验 |
| (2)平均因子赋值 |
| 1)岩溶发育程度 |
| 2)地质构造 |
| 3)第四系土层厚度 |
| 4)第四系土层结构 |
| 5)地下水位波动幅度 |
| 6)地下水与基岩面的关系 |
| 7)地下水疏干程度 |
| (3)塌陷易发区评价 |
| 3 延伸开采时易发区预测 |
| 4 结论与建议 |
（5）基于突变理论的岩溶隧道拱顶安全厚度分析与失稳预测（论文提纲范文）
| 1 基于突变理论的分析模型 |
| 1.1 突变理论 |
| 1.2 岩溶隧道顶板力学模型 |
| 2 岩溶隧道顶板安全厚度计算 |
| 2.1 构建势能函数 |
| 2.2 临界安全厚度 |
| 3 参数影响分析 |
| 4 实例分析 |
| 5 失稳预测分析及验证 |
| 5.1 失稳预测模型 |
| 5.2 模型的验证 |
| 6 结论 |
（6）基于GIS与BP神经网络的矿区塌陷易发性预测（论文提纲范文）
| 1 矿区塌陷预测评价模型 |
| 1.1 信号的正向传播 |
| 1.2 误差反向传播 |
| 2 矿区概况及塌陷影响因子分析 |
| 2.1 矿区地质概况 |
| 2.2 塌陷发育情况 |
| 2.3 塌陷影响因子选取 |
| 2.3.1 数据源 |
| 2.3.2 影响因子 |
| 2.4 塌陷易发性单元划分 |
| 3 矿区塌陷预测 |
| 3.1 神经网络模型塌陷预测 |
| 3.2 塌陷预测结果检验 |
| 4 结语 |
（7）基于大数据迁移学习的灰岩地区排水孔淤堵自动识别技术（论文提纲范文）
| 1 引言 |
| 2 卷积神经网络 |
| 2.1 卷积层 |
| 2.2 池化层 |
| 2.3 激活函数 |
| 3 排水孔淤堵检测模型 |
| 3.1 ResNet残差网络构成 |
| 3.2 网络模型 |
| 3.3 Softmax分类器与损失函数 |
| 4 试验数据集及结果分析 |
| 4.1 试验数据集介绍 |
| 4.2 模型性能比较 |
| 4.2.1 模型性能评价指标 |
| 4.2.2 模型性能比较 |
| 4.3 模型检测结果 |
| 5 结论与展望 |
（8）碳酸盐岩裂缝研究进展及发展趋势（论文提纲范文）
| 1 碳酸盐岩裂缝分类 |
| 2 碳酸盐岩裂缝成因及与油气富集的关系 |
| 3 碳酸盐岩裂缝发育期次分析 |
| 4 碳酸盐岩裂缝发育主控因素 |
| 4.1 构造缝发育的主控因素 |
| 4.1.1 构造缝发育主控因素的经典论述 |
| 4.1.2 构造缝发育主控因素的最新探索 |
| 4.2 层间缝发育的主控因素 |
| 4.3 缝合线发育的主控因素 |
| 4.4 异常高压缝发育的主控因素 |
| 4.5 溶蚀缝发育的主控因素 |
| 5 碳酸盐岩裂缝识别、表征与预测技术 |
| 5.1 碳酸盐岩裂缝识别技术 |
| 5.2 碳酸盐岩裂缝表征参数 |
| 5.3 碳酸盐岩裂缝预测方法与裂缝模拟技术 |
| 6 碳酸盐岩裂缝研究中存在的问题及发展趋势 |
| 7 结 论 |
（9）基于人工神经网络模型的丽江黑龙潭泉群断流分析（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 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 地下水系统研究现状 |
| 1.2.2 人工神经网络模型研究现状 |
| 1.2.3 丽江黑龙潭泉群研究现状 |
| 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 |
| 第二章 研究区地质背景 |
| 2.1 自然地理概况 |
| 2.1.1 研究区位置及交通 |
| 2.1.2 地形地貌 |
| 2.1.3 气象、水文 |
| 2.2 区域地质条件 |
| 2.2.1 地层岩性 |
| 2.2.2 地质构造 |
| 第三章 泉域水文地质特征 |
| 3.1 水文地质条件 |
| 3.1.1 地下水类型及含水岩组划分 |
| 3.2 地下水补径排特征 |
| 3.2.1 补给特征 |
| 3.2.2 径流特征 |
| 3.2.3 排泄特征 |
| 3.2.4 泉域地下水系统分析 |
| 第四章 黑龙潭泉群动态分析 |
| 4.1 人工神经网络概述 |
| 4.1.1 人工神经网络分类 |
| 4.1.2 人工神经网络的原理 |
| 4.2 神经网络的特点及应用 |
| 4.3 黑龙潭主系统排泄特征和地下水动态 |
| 4.3.1 主系统排泄特征 |
| 4.3.2 地下水动态特征 |
| 4.4 黑龙潭补给量与流出量的计算 |
| 4.5 计算参数数据处理 |
| 4.5.1 统计学的间接推论 |
| 4.5.2 主要影响因素的确定 |
| 4.5.3 使用最小二乘法分析黑龙潭流量与井水位相关性 |
| 4.5.4 最佳拟合条件 |
| 4.5.5 直线的最小二乘拟合 |
| 4.5.6 线性回归误差的量化 |
| 4.6 三次指数平滑预测黑龙潭井水位 |
| 4.6.1 三次指数平滑过程介绍 |
| 4.6.2 三次指数平滑法预测黑龙潭井水位 |
| 第五章 黑龙潭断流分析 |
| 5.1 黑龙潭泉群断流初步分析 |
| 5.2 人工神经网络分析黑龙潭泉群流量 |
| 5.2.1 BP神经网络介绍 |
| 5.2.2 黑龙潭流量分析 |
| 5.2.3 使用MATLAB神经网络拟合工具箱预测流量 |
| 5.2.4 使用神经网络模式识别工具箱进行断流预测 |
| 5.3 黑龙潭断流过程和主要原因 |
| 5.4 黑龙潭断流补水量计算 |
| 5.5 黑龙潭保泉供水建议 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录A 攻读硕士学位期间发表的论文 |
| 附录B MATLAB最小二乘法主程序 |
| 附录C MATLAB三次指数平滑法主程序 |
| 附录D BP神经网络主程序 |
（10）基于数据学习的岩溶隧道突涌水风险评估及预警研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容、方法及技术路线 |
| 2 岩溶隧道突涌水风险等级划分及致灾因素分析 |
| 2.1 岩溶隧道突涌水案例统计及后果分类 |
| 2.2 岩溶隧道突涌水风险分级标准 |
| 2.3 岩溶隧道突涌水影响因素分析 |
| 2.4 本章小结 |
| 3 基于可靠度理论和神经网络的突水风险评估模型研究 |
| 3.1 岩溶隧道突涌水概率计算模型 |
| 3.2 岩溶隧道突涌水灾害后果预测模型 |
| 3.3 模型应用及预测结果分析 |
| 3.4 本章小结 |
| 4 基于贝叶斯网络的突水风险评估模型研究 |
| 4.1 贝叶斯网络基本原理 |
| 4.2 贝叶斯网络模型的构建 |
| 4.3 贝叶斯网络模型的数据学习与验证 |
| 4.4 本章小结 |
| 5 岩溶隧道突涌水风险评估预警程序 |
| 5.1 岩溶隧道突水灾害风险预警程序设计 |
| 5.2 岩溶隧道突水灾害防治措施总结 |
| 5.3 岩溶隧道突水灾害风险预警程序应用 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 主要结论与创新点 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
四、基于神经网络模型的地下岩溶分布预测（论文参考文献）
- [1]岩溶地层盾构施工引起地表沉降的规律及预测研究[J]. 崔庆龙. 现代隧道技术, 2021(S2)
- [2]基于深度学习的井间地震CT初至自动拾取方法[J]. 杨洋,王用鑫,李虎,王庆林,范涛,门燕青,刘锐,孙怀凤. 应用基础与工程科学学报, 2022
- [3]基于卷积神经网络的隧道富水破碎带地质超前预报图像解译方法[J]. 陈培帅,袁青,张子平,杨林,陈再励,吴立. 应用基础与工程科学学报, 2022(01)
- [4]基于AHP和GIS的矿区岩溶塌陷易发性评估——以贵州林歹岩溶矿区为例[J]. 陈菊艳,朱斌,彭三曦,单慧媚. 自然灾害学报, 2021(05)
- [5]基于突变理论的岩溶隧道拱顶安全厚度分析与失稳预测[J]. 邹洋,彭立敏,张智勇,雷明锋,彭龙,施成华. 铁道科学与工程学报, 2021(10)
- [6]基于GIS与BP神经网络的矿区塌陷易发性预测[J]. 王绅皓,谢婉丽,奚家米,井旭. 煤矿安全, 2021(09)
- [7]基于大数据迁移学习的灰岩地区排水孔淤堵自动识别技术[J]. 李鹏举,郑方坤,吕建兵,吴维俊,刘锋,陈贡发. 现代隧道技术, 2021(04)
- [8]碳酸盐岩裂缝研究进展及发展趋势[J]. 李长海,赵伦,刘波,李建新,陈烨菲,张宇. 地质科技通报, 2021(04)
- [9]基于人工神经网络模型的丽江黑龙潭泉群断流分析[D]. 李恒丽. 昆明理工大学, 2021(01)
- [10]基于数据学习的岩溶隧道突涌水风险评估及预警研究[D]. 李朝阳. 中国矿业大学, 2020(01)