| 摘要 | 第5-8页 |
| ABSTRACT | 第8-11页 |
| 第一章 绪论 | 第16-36页 |
| 1.1 研究背景 | 第16-21页 |
| 1.1.1 城市火灾形势严峻与智慧城市的兴起 | 第16-17页 |
| 1.1.2 城市消防规划面临的挑战 | 第17-18页 |
| 1.1.3 城市火灾风险评估的滞后性与新技术的应用 | 第18-19页 |
| 1.1.4 城市消防规划的影响因素与一般研究思路 | 第19-20页 |
| 1.1.5 城市消防规划的策略转变 | 第20-21页 |
| 1.2 研究现状 | 第21-31页 |
| 1.2.1 火灾风险与其影响因素的关系建模研究 | 第21-26页 |
| 1.2.2 火灾时间序列的统计分析与预测技术 | 第26-27页 |
| 1.2.3 城市火灾风险评估的研究现状 | 第27-29页 |
| 1.2.4 消防资源布局优化的研究现状 | 第29-31页 |
| 1.3 研究内容及技术路线 | 第31-33页 |
| 1.4 论文章节安排 | 第33-36页 |
| 第二章 研究区域与数据描述 | 第36-46页 |
| 2.1 研究区域概述 | 第36-37页 |
| 2.1.1 地理位置 | 第36页 |
| 2.1.2 合肥市消防规划指导细则 | 第36-37页 |
| 2.2 研究数据描述与预处理 | 第37-46页 |
| 2.2.1 合肥市火灾数据描述 | 第37-39页 |
| 2.2.2 合肥市火灾风险建模采用的自变量描述 | 第39-46页 |
| 第三章 基于机器学习与空间计量经济学模型的火灾风险建模 | 第46-68页 |
| 3.1 引言 | 第46-47页 |
| 3.2 数据与方法 | 第47-56页 |
| 3.2.1 因变量 | 第47-49页 |
| 3.2.2 自变量 | 第49页 |
| 3.2.3 研究方法 | 第49-56页 |
| 3.3 结果与讨论 | 第56-66页 |
| 3.3.1 因变量 | 第56-57页 |
| 3.3.2 自变量 | 第57-58页 |
| 3.3.3 采用机器学习的特征选择结果 | 第58-60页 |
| 3.3.4 空间计量经济学的计算结果 | 第60-63页 |
| 3.3.5 两个模型的预测值与实际值的对比 | 第63页 |
| 3.3.6 不同模型中残差的空间自相关检验结果 | 第63-65页 |
| 3.3.7 模型在总体数据集上预测效果的可视化 | 第65-66页 |
| 3.4 结论 | 第66-68页 |
| 第四章 针对火灾时间序列及其气候影响因素的分析与建模 | 第68-90页 |
| 4.1 引言 | 第68-69页 |
| 4.2 数据与方法 | 第69-73页 |
| 4.2.1 火灾记录 | 第69-70页 |
| 4.2.2 小波变换 | 第70-71页 |
| 4.2.3 MCMC | 第71-73页 |
| 4.3 结果与讨论 | 第73-88页 |
| 4.3.1 火灾频次的小波分析 | 第73-77页 |
| 4.3.2 气象因素的小波分析 | 第77-80页 |
| 4.3.3 火灾频次的时间序列模型建模 | 第80-86页 |
| 4.3.4 火灾频次的MCMC模型建模 | 第86-88页 |
| 4.4 结论 | 第88-90页 |
| 第五章 基于地理加权回归与全局线性回归模型的火灾风险建模 | 第90-114页 |
| 5.1 引言 | 第90-91页 |
| 5.2 数据与方法 | 第91-101页 |
| 5.2.1 研究区域 | 第91-92页 |
| 5.2.2 火灾记录的统计 | 第92-93页 |
| 5.2.3 自变量的选择与预处理 | 第93-94页 |
| 5.2.4 模型与方法介绍 | 第94-101页 |
| 5.3 结果与讨论 | 第101-111页 |
| 5.3.1 对于全局线性回归自变量的选择 | 第101-103页 |
| 5.3.2 全局模型和局部模型训练结果 | 第103-107页 |
| 5.3.3 对于残差项空间自相关的检验结果 | 第107-109页 |
| 5.3.4 对于模型的独立验证 | 第109页 |
| 5.3.5 对于自变量非平稳性的讨论 | 第109-110页 |
| 5.3.6 对于火灾密度时空变化的解释 | 第110-111页 |
| 5.4 结论 | 第111-114页 |
| 第六章 基于火灾风险时空分布的消防站布局优化与应急决策 | 第114-138页 |
| 6.1 引言 | 第114-115页 |
| 6.2 选址模型的求解与算法介绍 | 第115-126页 |
| 6.2.1 遗传算法 | 第115-116页 |
| 6.2.2 基于匹配度与多重部分覆盖理论的选址模型 | 第116-124页 |
| 6.2.3 最大覆盖模型 | 第124-125页 |
| 6.2.4 P-中值模型 | 第125-126页 |
| 6.3 模型计算结果 | 第126-130页 |
| 6.3.1 基于匹配度与多重部分覆盖理论的选址模型 | 第126-128页 |
| 6.3.2 最大覆盖模型 | 第128-129页 |
| 6.3.3 P-中值模型 | 第129-130页 |
| 6.4 模型结果讨论 | 第130-132页 |
| 6.5 基于CCRP模型的并发火灾应急决策 | 第132-136页 |
| 6.5.1 CCRP模型介绍 | 第132-133页 |
| 6.5.2 实验模拟 | 第133-135页 |
| 6.5.3 结果与讨论 | 第135-136页 |
| 6.6 结论 | 第136-138页 |
| 第七章 结论与展望 | 第138-142页 |
| 7.1 本文工作与主要结论 | 第138-140页 |
| 7.2 本文创新点 | 第140-141页 |
| 7.3 工作展望 | 第141-142页 |
| 参考文献 | 第142-156页 |
| 致谢 | 第156-158页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第158页 |
