摘要 | 第3-5页 |
Abstrast | 第5-7页 |
1. 绪论 | 第11-19页 |
1.1 研究背景及意义 | 第11-13页 |
1.1.1 研究背景 | 第11-12页 |
1.1.2 研究意义 | 第12-13页 |
1.2 国内外研究现状 | 第13-15页 |
1.2.1 国外研究现状 | 第13页 |
1.2.2 国内研究现状 | 第13-14页 |
1.2.3 研究现状分析 | 第14-15页 |
1.3 研究内容与技术路线 | 第15-18页 |
1.3.1 研究内容 | 第15-17页 |
1.3.2 技术路线 | 第17-18页 |
1.4 本文创新点 | 第18-19页 |
2. 旧城区综合管廊布局规划概述及建设规模概算 | 第19-27页 |
2.1 旧城区综合管廊布局规划概述 | 第19-22页 |
2.1.1 旧城区综合管廊布局规划范围确定 | 第19页 |
2.1.2 旧城区综合管廊布局规划工作内容 | 第19-20页 |
2.1.3 旧城区综合管廊布局规划依据 | 第20-21页 |
2.1.4 旧城区综合管廊布局规划方法 | 第21-22页 |
2.2 旧城区综合管廊建设规模概算 | 第22-26页 |
2.2.1 综合管廊建设规模指标体系建立 | 第22-24页 |
2.2.2 综合管廊建设规模概算 | 第24-26页 |
2.3 本章小结 | 第26-27页 |
3. 旧城区综合管廊布局规划的影响因素及其体系结构确定 | 第27-38页 |
3.1 旧城区综合管廊布局规划影响因素提出 | 第27-28页 |
3.2 影响因素解释结构模型确定 | 第28-35页 |
3.2.1 解释结构模型 | 第28-29页 |
3.2.2 邻接矩阵建立 | 第29-30页 |
3.2.3 可达矩阵计算 | 第30-31页 |
3.2.4 区域划分及级间分解 | 第31-35页 |
3.2.5 解释结构模型建立 | 第35页 |
3.3 本章小结 | 第35-38页 |
4. 旧城区综合管廊布局规划 | 第38-61页 |
4.1 旧城区综合管廊建设适宜区选择 | 第38-44页 |
4.1.1 旧城区综合管廊建设适宜区选择原则 | 第38-39页 |
4.1.2 综合管廊建设适宜性影响指标分析 | 第39-40页 |
4.1.3 城市各分区评估及综合管廊建设区选择 | 第40-44页 |
4.2 旧城区综合管廊建设适宜区建设规模分配 | 第44-51页 |
4.2.1 综合管廊建设规模分配指标分析 | 第44-46页 |
4.2.2 综合管廊建设规模分配模型建立 | 第46-49页 |
4.2.3 综合管廊建设规模分配模型求解 | 第49-51页 |
4.3 综合管廊路由选择 | 第51-60页 |
4.3.1 旧城区综合管廊路由选择指标影响分析 | 第51-53页 |
4.3.2 综合管廊路由选择模型建立 | 第53-59页 |
4.3.3 综合管廊路由选择模型求解 | 第59-60页 |
4.4 本章小结 | 第60-61页 |
5. 旧城区分区综合管廊建设顺序确定 | 第61-73页 |
5.1 旧城区分区综合管廊建设顺序确定原则 | 第61-62页 |
5.2 影响旧城区分区综合管廊建设顺序的因素分析 | 第62-66页 |
5.3 基于BP神经网络的旧城区分区各管段综合管廊建设优先级确定 | 第66-70页 |
5.3.1 BP神经网络 | 第66页 |
5.3.2 BP神经网络在旧城区分区各管段综合管廊建设优先级确定中的应用 | 第66-68页 |
5.3.3 基于BP神经网络的旧城区分区各管段综合管廊建设优先级确定过程 | 第68-70页 |
5.4 旧城区分区综合管廊综合建设优先度确定 | 第70-72页 |
5.5 本章小结 | 第72-73页 |
6. 研究成果应用例子 | 第73-97页 |
6.1 项目简介 | 第73-74页 |
6.1.1 某县经济情况 | 第73页 |
6.1.2 某县工程地质与水文地质 | 第73页 |
6.1.3 项目情况 | 第73-74页 |
6.2 综合管廊建设适宜区选择 | 第74-75页 |
6.2.1 熵值法确定各指标权重 | 第74-75页 |
6.2.2 组合权重确定 | 第75页 |
6.2.3 各分区得分计算 | 第75页 |
6.3 某县综合管廊建设规模分配 | 第75-77页 |
6.4 某县综合管廊路径选取 | 第77-91页 |
6.5 某县综合管廊建设顺序确定 | 第91-97页 |
6.5.1 BP神经网络训练 | 第91-92页 |
6.5.2 某县综合管廊建设优先级确定 | 第92-95页 |
6.5.3 某县综合管廊综合建设优先度计算 | 第95-97页 |
7. 结论与展望 | 第97-99页 |
7.1 结论 | 第97-98页 |
7.2 展望 | 第98-99页 |
参考文献 | 第99-103页 |
致谢 | 第103-104页 |
附录 1 BP神经网络训练部分样本数据 | 第104-110页 |