| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.1.1 研究的背景 | 第11-12页 |
| 1.1.2 研究的意义 | 第12页 |
| 1.2 城市防洪系统综合评价研究现状及发展趋势 | 第12-17页 |
| 1.2.1 城市防洪系统综合评价研究现状 | 第12-15页 |
| 1.2.2 评价方法研究的发展趋势 | 第15-17页 |
| 1.3 论文的研究内容、步骤与技术路线 | 第17-19页 |
| 1.3.1 研究内容 | 第17页 |
| 1.3.2 研究步骤 | 第17-18页 |
| 1.3.3 技术路线 | 第18-19页 |
| 第2章 城市防洪综合评价指标体系 | 第19-33页 |
| 2.1 城市防洪概述 | 第19-25页 |
| 2.1.1 城市范畴的界定 | 第19页 |
| 2.1.2 城市防洪措施类别 | 第19-23页 |
| 2.1.3 城市防洪评价特点 | 第23-25页 |
| 2.2 城市防洪系统指标体系框架 | 第25-33页 |
| 2.2.1 社会指标 | 第25-28页 |
| 2.2.2 经济指标 | 第28-29页 |
| 2.2.3 环境指标 | 第29页 |
| 2.2.4 效益指标 | 第29-31页 |
| 2.2.5 风险指标 | 第31-33页 |
| 第3章 基于灰色神经网络的城市防洪综合评价模型 | 第33-59页 |
| 3.1 灰色模型 | 第33-39页 |
| 3.1.1 灰色系统理论基本概念 | 第33-34页 |
| 3.1.2 GM(1,1)灰色模型预测原理 | 第34-37页 |
| 3.1.3 GM(1,1)灰色模型的检验 | 第37-38页 |
| 3.1.4 GM(0,N)模型 | 第38-39页 |
| 3.2 神经网络模型 | 第39-43页 |
| 3.2.1 人工神经网络模型 | 第39-40页 |
| 3.2.2 BP神经网络模型原理 | 第40-43页 |
| 3.3 灰色神经网络组合模型概述 | 第43-45页 |
| 3.3.1 灰色模型的不足 | 第43-44页 |
| 3.3.2 BP神经网络的不足 | 第44页 |
| 3.3.3 组合预测模型概述 | 第44-45页 |
| 3.4 灰色神经网络模型的建立 | 第45-49页 |
| 3.5 基于MATLAB的灰色神经网络预测程序设计 | 第49-59页 |
| 3.5.1 基于MATLAB的灰色神经网络系统建模 | 第50-54页 |
| 3.5.2 灰色神经网络预测程序设计 | 第54-57页 |
| 3.5.3 网络训练及误差分析 | 第57-59页 |
| 第4章 基于遗传算法的城市防洪综合评价模型改进 | 第59-71页 |
| 4.1 遗传算法 | 第59-62页 |
| 4.1.1 编码方法 | 第60页 |
| 4.1.2 适应度函数 | 第60页 |
| 4.1.3 选择操作 | 第60页 |
| 4.1.4 交叉操作 | 第60-61页 |
| 4.1.5 变异操作 | 第61页 |
| 4.1.6 遗传算法优化灰色神经网络模型 | 第61-62页 |
| 4.2 基于MATLAB的遗传算法优化灰色神经网络模型程序设计 | 第62-69页 |
| 4.2.1 选择操作 | 第63页 |
| 4.2.2 交叉操作 | 第63-64页 |
| 4.2.3 变异操作 | 第64页 |
| 4.2.4 遗传算法优化灰色神经网络预测程序设计 | 第64-68页 |
| 4.2.5 网络训练及结果分析 | 第68-69页 |
| 4.3 改进总结分析 | 第69-71页 |
| 第5章 基于优化灰色神经网络城市防洪综合评价模型的工程实例应用 | 第71-77页 |
| 5.1 北方某城市基本概况 | 第71-72页 |
| 5.1.1 北方某城市自然地理概况 | 第71页 |
| 5.1.2 北方某城市社会发展概况 | 第71-72页 |
| 5.1.3 城市防洪体系的基本概况 | 第72页 |
| 5.2 北方某城市城市防洪系统综合评价指标体系 | 第72-74页 |
| 5.3 优化灰色神经网络模型的实现 | 第74-75页 |
| 5.4 结果分析 | 第75-77页 |
| 第6章 结论与展望 | 第77-79页 |
| 6.1 总结 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-82页 |
