| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题研究背景 | 第12-13页 |
| 1.1.1 建筑工程质量评估系统 | 第12-13页 |
| 1.1.2 神经网络技术 | 第13页 |
| 1.2 国内外研究现状、发展趋势及存在的问题 | 第13-16页 |
| 1.2.1 国内研究现状 | 第13-14页 |
| 1.2.2 国外研究现状 | 第14-16页 |
| 1.2.2.1 建筑质量评价系统国外研究现状及发展趋势 | 第14-15页 |
| 1.2.2.2 神经网络国外研究现状及发展趋势 | 第15-16页 |
| 1.3 本文研究内容及研究过程中存在的问题 | 第16-17页 |
| 1.3.1 课题研究内容 | 第16-17页 |
| 1.3.2 研究过程中存在的问题 | 第17页 |
| 1.4 本课题的技术路线及难点和创新点 | 第17-20页 |
| 1.4.1 本科课题的技术路线 | 第17-18页 |
| 1.4.2 本课题的难点和创新点 | 第18-20页 |
| 1.4.2.1 本课题存在的难点 | 第18页 |
| 1.4.2.2 本课题的创新点 | 第18-20页 |
| 第二章 层次分析法和BP人工神经网络的基本方法介绍 | 第20-34页 |
| 2.1 层次分析法 | 第20-22页 |
| 2.1.1 概述 | 第20页 |
| 2.1.2 层次分析法的运用步骤 | 第20-22页 |
| 2.1.2.1 层次模型的建立 | 第20页 |
| 2.1.2.2 指标权重系数的计算 | 第20-22页 |
| 2.2 神经网络 | 第22-33页 |
| 2.2.1 人工神经网络介绍 | 第22-26页 |
| 2.2.1.2 人工神经元模型 | 第23-24页 |
| 2.2.1.3 人工神经网络模型 | 第24页 |
| 2.2.1.4 人工神经网络的特点 | 第24-25页 |
| 2.2.1.5 人工神经网络的学习方法 | 第25-26页 |
| 2.2.2 BP神经网络基本方法 | 第26-33页 |
| 2.2.2.1 BP神经网络的发展 | 第26页 |
| 2.2.2.2 BP神经网络的结构 | 第26-28页 |
| 2.2.2.3 BP神经网络的学习算法 | 第28-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第三章 钢结构建筑工业化建造施工与安装质量评价指标体系 | 第34-90页 |
| 3.1 质量控制指标划分依据 | 第34-37页 |
| 3.2 质量控制指标划分 | 第37-58页 |
| 3.2.1 主体结构质量控制指标划分 | 第37-41页 |
| 3.2.2 围护结构质量控制指标划分 | 第41-51页 |
| 3.2.3 楼屋面工程质量控制指标划分 | 第51-52页 |
| 3.2.4 装饰装修工程质量控制指标划分 | 第52-55页 |
| 3.2.5 地基基础及土方工程质量控制指标划分 | 第55-58页 |
| 3.3 质量控制指标权重系数计算 | 第58-89页 |
| 3.3.1 主体质量控制指标权重系数计算 | 第58-84页 |
| 3.3.2 围护结构质量控制指标权重系数计算 | 第84-89页 |
| 3.4 本章小结 | 第89-90页 |
| 第四章 BP人工神经网络在主体及围护结构中的应用 | 第90-128页 |
| 4.1 BP神经网络预测的基本方法 | 第90-93页 |
| 4.2 基于BP神经网络算法对权重系数结果预测 | 第93-116页 |
| 4.2.1 基于BP神经网络算法对主体结构一级指标权重系数结果预测 | 第93-103页 |
| 4.2.1.1 性能检测A权重系数预测 | 第93-98页 |
| 4.2.1.2 工程质量记录B权重系数预测 | 第98-100页 |
| 4.2.1.3 尺寸偏差及限值实测C权重系数预测 | 第100-101页 |
| 4.2.1.4 观感质量D权重系数预测 | 第101-103页 |
| 4.2.2 基于BP神经网络算法对围护结构一级指标权重系数结果预测 | 第103-116页 |
| 4.2.2.1 ALC墙板一级指标权重系数预测 | 第103-109页 |
| 4.2.2.2 轻钢龙骨墙板墙板一级指标权重系数预测 | 第109-116页 |
| 4.3 预测结果分析 | 第116-122页 |
| 4.3.1 误差分析 | 第116-119页 |
| 4.3.2 钢结构建筑工业化建造施工与安装评分公式的提出 | 第119-122页 |
| 4.4 工程算例 | 第122-126页 |
| 4.5 本章小结 | 第126-128页 |
| 第五章 结论 | 第128-130页 |
| 5.1 结论 | 第128页 |
| 5.2 展望 | 第128-130页 |
| 参考文献 | 第130-134页 |
| 作者简介 | 第134-136页 |
| 致谢 | 第136-138页 |
| 附录 | 第138-148页 |
