| 摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 密肋复合墙结构住宅研究现状 | 第11-13页 |
| 1.3 生态住宅评价研究现状 | 第13-16页 |
| 1.3.1 国外研究现状 | 第13-15页 |
| 1.3.2 国内研究现状 | 第15-16页 |
| 1.4 本文研究的主要内容 | 第16-19页 |
| 2 密肋复合墙结构住宅使用评价指标体系 | 第19-31页 |
| 2.1 密肋复合墙结构住宅相关研究 | 第19-22页 |
| 2.2 密肋复合墙结构住宅评价指标体系 | 第22-29页 |
| 2.2.1 相关理论研究 | 第22-23页 |
| 2.2.2 评价指标体系的设置原则 | 第23-24页 |
| 2.2.3 构建评价指标体系 | 第24-29页 |
| 2.3 密肋复合墙结构住宅评价方法的选择 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 密肋复合墙结构住宅使用评价分析 | 第31-55页 |
| 3.1 密肋复合墙结构住宅评价指标分析 | 第31-47页 |
| 3.1.1 住宅适用性能 | 第31-37页 |
| 3.1.2 住宅环境性能 | 第37-39页 |
| 3.1.3 住宅经济性能 | 第39-42页 |
| 3.1.4 住宅安全性能 | 第42-44页 |
| 3.1.5 住宅耐久性能 | 第44-45页 |
| 3.1.6 住宅社会性能 | 第45-47页 |
| 3.2 BP神经网络使用评价方法 | 第47-50页 |
| 3.2.1 BP神经网络的数学原理 | 第47-48页 |
| 3.2.2 BP神经网络的拓扑结果及计算步骤 | 第48-49页 |
| 3.2.3 BP神经网络权值学习流程 | 第49-50页 |
| 3.3 小波神经网络使用评价方法 | 第50-54页 |
| 3.3.1 小波分析基本理论 | 第50页 |
| 3.3.2 小波分析与BP神经网络的融合 | 第50-51页 |
| 3.3.3 小波神经网络的学习算法 | 第51-53页 |
| 3.3.4 小波神经网络的训练过程 | 第53页 |
| 3.3.5 小波神经网络建立模型 | 第53-54页 |
| 3.4 本章小结 | 第54-55页 |
| 4 密肋复合墙结构住宅在役项目案例分析 | 第55-75页 |
| 4.1 项目概况 | 第55-60页 |
| 4.1.1 西安更新街小区概况 | 第55-59页 |
| 4.1.2 河北某住宅项目概况 | 第59-60页 |
| 4.2 神经网络模型数据的准备 | 第60-62页 |
| 4.3 基于BP神经网络的住宅评价模型 | 第62-65页 |
| 4.3.1 BP神经网络参数的确定 | 第62-63页 |
| 4.3.2 基于BP神经网络模型的建立 | 第63-64页 |
| 4.3.3 权重的确定 | 第64-65页 |
| 4.4 基于小波神经网络的住宅评价模型 | 第65-67页 |
| 4.4.1 小波函数的确定 | 第65页 |
| 4.4.2 基于小波神经网络模型的建立 | 第65-66页 |
| 4.4.3 权重的确定 | 第66-67页 |
| 4.5 权重的比较 | 第67页 |
| 4.6 密肋复合墙结构住宅使用综合评价 | 第67-70页 |
| 4.6.1 检测样本数据的获取 | 第67-69页 |
| 4.6.2 神经网络的模式识别 | 第69-70页 |
| 4.7 运用生态技术的密肋复合墙结构住宅 | 第70-73页 |
| 4.7.1 太阳能与密肋复合墙结构住宅一体化 | 第70-71页 |
| 4.7.2 密肋复合墙结构住宅建筑材料的节能生态一体化 | 第71-73页 |
| 4.8 本章小结 | 第73-75页 |
| 5 结论与展望 | 第75-77页 |
| 5.1 结论 | 第75-76页 |
| 5.2 展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 附录A | 第83-85页 |
| 附录B | 第85-87页 |
| 附录C | 第87-91页 |
| 致谢 | 第91-93页 |
| 攻读硕士学位期间发表论文和参加的科研项目 | 第93页 |