岩体注浆理论与应用PDF电子书下载

第1章 绪论 1

1.1 基本概念 1

1.1.1 注浆概念 1

1.1.2 注浆对象 1

1.2 注浆技术发展综述 2

1.2.1 注浆技术发展历程 2

1.2.2 注浆技术应用 4

1.3 注浆的研究内容和方法 6

1.3.1 研究内容 6

1.3.2 研究方法 6

1.4 本书研究内容 7

第2章 注浆技术概论 9

2.1 注浆材料 9

2.1.1 概述 9

2.1.2 注浆材料分类与评价 10

2.1.3 浆液基本物理力学性质 11

2.1.4 颗粒浆液 15

2.1.5 溶液浆液 20

2.1.6 小结 23

2.2 注浆方法和方式 24

2.2.1 注浆方法 24

2.2.2 注浆方式 25

2.3 注浆工艺和设备 26

2.3.1 注浆工艺 26

2.3.2 注浆设备 27

2.4 注浆监控与检测 27

2.5 注浆施工 27

2.6 小结 29

第3章 注浆理论研究与设计方法综述 30

3.1 引言 30

3.2 注浆理论研究 30

3.2.1 浆液流变性 30

3.2.2 各类浆液流动特征 32

3.2.3 渗透注浆理论 34

3.2.4 压密注浆原理 36

3.2.5 劈裂注浆理论 37

3.2.6 电动化学注浆原理 38

3.2.7 小结 38

3.3 注浆设计方法综述 39

3.3.1 工程调查 39

3.3.2 方案选择 39

3.3.3 注浆设计方法 40

3.3.4 小结 44

第4章 岩体注浆理论研究 45

4.1 裂隙中浆液的单向流动 45

4.1.1 按牛顿流体考虑 45

4.1.2 按非牛顿流体考虑 48

4.1.3 对理论解的讨论 51

4.2 裂隙中浆液的辐向流动 52

4.2.1 辐向流渗透扩散分析 52

4.2.2 固液耦合分析 54

4.2.3 劈裂分析 57

4.3 裂隙岩体注浆扩散 58

4.3.1 岩体裂隙参数讨论 58

4.3.2 裂隙岩体注浆扩散分析 60

4.4 多孔注浆的相互影响 61

4.5 结论 63

第5章 岩体注浆计算机模拟研究 65

5.1 引言 65

5.1.1 岩体注浆的特征 65

5.1.2 现场简介 65

5.2 基本方法及理论基础 67

5.2.1 岩体结构面调查 67

5.2.2 岩体裂隙概率模型建立依据 67

5.2.3 裂隙网络模拟的蒙特卡洛法 68

5.2.4 注浆扩散模型理论 70

5.3 裂隙指标测试及分析 71

5.3.1 裂隙分组及方位统计 71

5.3.2 裂隙参数分布拟合 73

5.4 岩体注浆扩散行为的计算机模拟 75

5.4.1 模块功能简介 75

5.4.2 程序流程图 76

5.4.3 注浆扩散的计算机模拟 78

5.4.4 模拟结果分析 83

5.5 小结 84

第6章 岩体注浆可靠性研究 85

6.1 引言 85

6.2 工程可靠性原理 85

6.2.1 可靠性发展及其基本概念简介 85

6.2.2 极限状态设计法 86

6.2.3 影响可靠性的因素 87

6.2.4 系统可靠性分析 88

6.2.5 系统工作状态的判定 89

6.3 注浆故障树分析 90

6.3.1 注浆过程工艺流程 90

6.3.2 注浆工程故障树分析 90

6.4 单孔注浆系统可靠性分析 92

6.4.1 成功树分析 92

6.4.2 基本事件分析 92

6.4.3 单孔注浆系统的可靠性 96

6.5 多孔注浆系统可靠性分析 97

6.5.1 满足注浆交圈要求的多孔注浆 97

6.5.2 加注辅注孔的可靠性 98

6.5.3 对应各工作状态可靠性指标的建立 98

6.6 可靠性设计步骤 100

6.7 现场算例分析 100

6.7.1 初注的可靠性分析 100

6.7.2 复注的可靠性分析 101

6.7.3 多孔帷幕注浆系统的可靠性分析 102

6.7.4 现场实际注浆的可靠性评价 103

6.8 结论 104

第7章 岩体注浆分析的人工智能方法 105

7.1 引言 105

7.2 神经网络基本原理 106

7.2.1 基本概念 106

7.2.2 神经网络发展历程 106

7.2.3 神经网络基本原理 107

7.2.4 BP型神经网络原理 109

7.3 数据模糊原理与遗传算法 110

7.3.1 数据模糊原理 110

7.3.2 遗传算法原理 111

7.4 神经网络输入模型 113

7.4.1 原始数据 114

7.4.2 一般神经网络 114

7.4.3 模糊神经网络 115

7.5 网络结构与参数优化 116

7.5.1 两种网络结构学习结果 116

7.5.2 模糊神经网络优化 117

7.6 神经网络训练及预测 118

7.6.1 神经网络训练 118

7.6.2 基于FU-GA-NN的注浆量预测 118

7.7 结论 120

第8章 结语 121

参考文献 123