| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及研究意义 | 第8-9页 |
| 1.2 地震直接经济损失评估研究综述 | 第9-12页 |
| 1.2.1 国外研究现状综述 | 第9-11页 |
| 1.2.2 国内研究现状综述 | 第11-12页 |
| 1.3 本文的研究内容及方法 | 第12-14页 |
| 2 地震直接经济损失评估模型的理论研究 | 第14-26页 |
| 2.1 地震灾害损失评估的基本概念 | 第14-15页 |
| 2.2 地震经济损失及其分类 | 第15-17页 |
| 2.2.1 地震直接经济损失 | 第15-16页 |
| 2.2.2 地震间接经济损失 | 第16-17页 |
| 2.2.3 地震救灾投入费用 | 第17页 |
| 2.3 房屋建筑物类别的划分 | 第17-21页 |
| 2.3.1 房屋建筑物的结构类型划分 | 第18-20页 |
| 2.3.2 房屋建筑物的使用功能划分 | 第20-21页 |
| 2.4 地震直接经济损失快速评估模型 | 第21-26页 |
| 2.4.1 地震直接经济损失分析框架 | 第21-23页 |
| 2.4.2 建筑物结构破坏直接经济损失模型 | 第23-24页 |
| 2.4.3 建筑物装修直接经济损失模型 | 第24页 |
| 2.4.4 建筑物室内财产直接经济损失模型 | 第24-26页 |
| 3 人工神经网络及其在地震直接经济损失评估中的应用 | 第26-36页 |
| 3.1 人工神经网络的发展历程 | 第26-27页 |
| 3.2 人工神经网络的理论基础 | 第27-29页 |
| 3.2.1 人工神经元模型 | 第27-28页 |
| 3.2.2 人工神经网络的学习方式 | 第28-29页 |
| 3.3 BP神经网络的原理及基本算法 | 第29-32页 |
| 3.3.1 最速下降BP算法 | 第30-31页 |
| 3.3.2 SDBP算法的缺陷 | 第31-32页 |
| 3.4 不同BP网络算法的比较 | 第32-33页 |
| 3.5 BP神经网络应用于地震直接经济损失评估的优势 | 第33-36页 |
| 3.5.1 BP神经网络的特点 | 第33页 |
| 3.5.2 BP神经网络的优势 | 第33-36页 |
| 4 地震直接经济损失评估模型中参数的确定方法 | 第36-70页 |
| 4.1 建筑物重置单价 | 第36-48页 |
| 4.2 建筑物结构损失比 | 第48-65页 |
| 4.2.1 建筑物结构损失比的影响因素分析 | 第48-49页 |
| 4.2.2 数据来源和预处理方式的说明 | 第49-57页 |
| 4.2.3 BP神经网络的构建 | 第57-58页 |
| 4.2.4 BP神经网络泛化能力的提高 | 第58-65页 |
| 4.3 模型中其他参数的确定方法 | 第65-70页 |
| 4.3.1 装修损失模型参数的确定 | 第65-67页 |
| 4.3.2 建筑物室内财产直接经济损失 | 第67-70页 |
| 5 结论与建议 | 第70-72页 |
| 5.1 结论 | 第70页 |
| 5.2 建议 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 附录 | 第78-86页 |