| 作 者： | 张士科 |
| 出版社： | 科学技术文献出版社 |
| 丛编项： | |
| 版权说明： | 本书为公共版权或经版权方授权，请支持正版图书 |
| 标 签： | 暂缺 |
| ISBN | 出版时间 | 包装 | 开本 | 页数 | 字数 |
|---|---|---|---|---|---|
| 未知 | 暂无 | 暂无 | 未知 | 0 | 暂无 |
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状及文献综述
1.2.1 破坏准则
1.2.2 岩体的破坏特性
1.2.3 岩体渗流开裂特性
1.2.4 岩体多场耦合数值模拟
1.2.5 岩体力学参数的确定方法
1.3 本书的主要研究内容
1.4 拟解决的关键问题
第2章 深部岩体力学概念及特性分析
2.1 深部的探究和概念
2.1.1 地球深部的探测研究
2.1.2 深部的概念
2.1.3 深部的定义
2.2 临界深度的定义方法及判别准则
2.2.1 临界深度的定义
2.2.2 临界深度的计算
2.3 深部工程的评价体系
2.3.1 难度系数
2.3.2 危险系数
2.4 深部工程的常见问题和稳定性的控制方法
2.4.1 理论分析法
2.4.2 实验分析法
2.4.3 数值计算法
2.5 深部工程岩体的特性
2.5.1 深部岩体的赋存环境
2.5.2 深部岩体的节理裂隙发育特性
2.5.3 节理裂隙岩体的结构面特性
2.5.4 节理裂隙岩体的强度特性
2.5.5 节理裂隙岩体的渗透特性
2.6 本章小结
第3章 人工智能的预测及反演分析模型的研究
3.1 引言
3.2 岩体力学参数确定模型框架
3.3 人工神经网络模型的有关理论
3.3.1 网络模型的基本特征
3.3.2 神经网络学习的基本原理和改进
3.3.3 网络模型性能的评价准则
3.4 遗传算法的基本原理
3.4.1 选择操作
3.4.2 交叉操作
3.4.3 变异操作
3.5 遗传BP神经网络的岩体力学参数预测模型研究
3.5.1 遗传优化BP神经网络模型
3.5.2 遗传优化BP神经网络预测模型的参数设计
3.5.3 算例分析
3.6 人工智能多参数反演识别研究
3.6.1 人工智能多参数反演识别模型
3.6.2 传统水压致裂法应力测量原理
3.6.3 工程算例概述
3.6.4 神经网络模型的参数设置
3.6.5 遗传算法的参数设置
3.6.6 结果与分析
3.7 本章小结
第4章 基于地面位移的岩体力学参数识别研究
4.1 概述
4.2 有限差分方法
4.2.1 控制方程
4.2.2 拉格朗日元法的基本原理
4.2.3 材料模型本构原理
4.2.4 有限差分算法（时间递步法）
4.3 储层岩体压缩变形及诱发地面位移的研究
4.3.1 研究工程概述
4.3.2 地质体压缩变形及诱发地面位移的原理
4.3.3 压缩变形及诱发地面位移地质力学模型
4.3.4 监测点的确定
4.4 人工智能岩体力学参数特征化结果及分析
4.4.1 人工智能岩体力学参数特征化程序设计
4.4.2 人工智能学习样本
4.4.3 人工智能岩体力学参数反演模型的参数设置
4.4.4 岩体力学参数识别的结果与分析
4.5 本章小结
第5章 基于井筒变形的岩体力学参数确定研究
5.1 引言
5.2 多场耦合理论模型
5.2.1 本构模型
5.2.2 流体流动模型
5.2.3 热传导模型
5.3 井壁稳定性分析
5.3.1 边界条件与初始条件
5.3.2 模拟结果与分析
5.4 基于井壁变形的岩体力学参数特征化研究
5.4.1 井壁稳定性分析模型的构建
5.4.2 网络学习样本的构建
5.4.3 人工智能岩体力学参数识别模型
5.4.4 岩体力学参数识别结果与分析
5.5 本章小结
第6章 基于井底压力的岩体力学参数特征化研究
6.1 引言
6.2 水力压裂数值模拟
6.2.1 水力压裂原理
6.2.2 水力压裂边界条件和初始条件
6.2.3 模拟结果与分析
6.3 基于井底压力的岩体力学参数特征化研究
6.3.1 水力压裂试验分析
6.3.2 几何模型和输入参数
6.3.3 学习样本的产生
6.3.4 岩体力学参数的确定
6.3.5 结果与分析
6.4 本章小结
第7章 结论与展望
7.1 主要结论
7.2 研究展望
