| 摘要 | 第6-8页 |
| abstract | 第8-10页 |
| 1 绪论 | 第14-25页 |
| 1.1 研究背景及意义 | 第14-17页 |
| 1.1.1 我国的火灾形势 | 第14页 |
| 1.1.2 我国城市化进程及城市火灾形势 | 第14-16页 |
| 1.1.3 我国城市火灾安全存在的突出问题 | 第16-17页 |
| 1.1.4 区域火灾安全风险评估的研究意义 | 第17页 |
| 1.2 国内外研究现状 | 第17-23页 |
| 1.2.1 城市区域火灾安全风险评估研究现状 | 第17-21页 |
| 1.2.2 人工神经网络的研究现状 | 第21-23页 |
| 1.3 研究的主要内容及研究方法 | 第23-25页 |
| 1.3.1 课题研究内容与方法 | 第23-24页 |
| 1.3.2 课题研究技术路线 | 第24-25页 |
| 2 神经网络的介绍及其BP算法原理 | 第25-34页 |
| 2.1 人工神经网络简介 | 第25-26页 |
| 2.2 BP神经网络简介 | 第26-28页 |
| 2.2.1 BP神经网络的网络结构 | 第26-27页 |
| 2.2.2 BP神经网络的特点 | 第27-28页 |
| 2.3 BP神经网络的算法原理 | 第28-31页 |
| 2.3.1 输入信息的正向传播 | 第28-29页 |
| 2.3.2 误差的反向传播 | 第29-31页 |
| 2.4 BP神经网络算法的不足和改进 | 第31-32页 |
| 2.4.1 BP算法的缺点 | 第31-32页 |
| 2.4.2 BP算法的改进方法 | 第32页 |
| 2.5 小结 | 第32-34页 |
| 3 城市区域火灾安全风险评估指标体系 | 第34-44页 |
| 3.1 评估指标体系的建立 | 第34-35页 |
| 3.1.1 评估指标体系建立原则 | 第34-35页 |
| 3.1.2 评估指标体系结构 | 第35页 |
| 3.2 指标体系的分级说明 | 第35-39页 |
| 3.2.1 城市区域基础信息 | 第35-36页 |
| 3.2.2 火灾事故统计 | 第36-38页 |
| 3.2.3 消防救援能力 | 第38页 |
| 3.2.4 社会面防控能力 | 第38-39页 |
| 3.3 评估指标的风险分级赋值 | 第39-43页 |
| 3.4 小结 | 第43-44页 |
| 4 区域火灾风险的神经网络评估模型可行性验证 | 第44-64页 |
| 4.1 BP神经网络模型的建立步骤 | 第44页 |
| 4.2 BP神经网络模型样本输入 | 第44页 |
| 4.3 基于层次分析法的BP网络模型样本输出 | 第44-55页 |
| 4.3.1 层次分析法提供样本输出的过程 | 第48-52页 |
| 4.3.2 指标对火灾风险的权重排序 | 第52-55页 |
| 4.4 输入输出变量的归一化处理 | 第55页 |
| 4.5 BP网络参数的选取 | 第55-57页 |
| 4.4.1 隐含层的数量 | 第55-56页 |
| 4.4.2 隐含层节点数 | 第56页 |
| 4.4.3 激活函数选取 | 第56-57页 |
| 4.4.4 其他参数 | 第57页 |
| 4.6 神经网络评估模型的可行性验证 | 第57-63页 |
| 4.6.1 BP网络验证模型的确定 | 第57-58页 |
| 4.6.2 MATLAB神经网络工具箱介绍 | 第58-60页 |
| 4.6.3 神经网络评估模型的驯化 | 第60-63页 |
| 4.7 小结 | 第63-64页 |
| 5 基于BP神经网络模型的区域火灾风险评估预测研究 | 第64-74页 |
| 5.1 区域火灾风险评估模型的确定 | 第64-65页 |
| 5.2 区域火灾风险评估模型的驯化 | 第65-69页 |
| 5.2.1 评估模型的驯化过程 | 第65-69页 |
| 5.2.2 模型驯化结果分析 | 第69页 |
| 5.3 指标体系的迭代对模型预测精度的影响研究 | 第69-73页 |
| 5.3.1 指标体系迭代方案设计 | 第69页 |
| 5.3.2 基于迭代指标体系的模型驯化过程 | 第69-71页 |
| 5.3.3 基于迭代指标体系的模型驯化结果对比 | 第71-73页 |
| 5.4 结果与分析 | 第73-74页 |
| 结论与展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 附录 | 第83页 |