| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文结构安排 | 第13-14页 |
| 第二章 基于细分区间和抽样的区间不确定性传播方法 | 第14-32页 |
| 2.1 区间不确定性及来源 | 第14-15页 |
| 2.2 处理区间不确定性的方法 | 第15-23页 |
| 2.2.1 区间分析 | 第15-17页 |
| 2.2.2 基于泰勒展开式的不确定性传播方法 | 第17-20页 |
| 2.2.3 MonteCarlo算法 | 第20-21页 |
| 2.2.4 区间上适用的MonteCarlo算法：柯西MonteCarlo | 第21-23页 |
| 2.3 区间不确定性传播新方法 | 第23-28页 |
| 2.3.1 区间不确定性传播新方法产生思路 | 第23-24页 |
| 2.3.2 细分-抽样-区间不确定性传播算法具体步骤 | 第24-26页 |
| 2.3.3 实例分析 | 第26-28页 |
| 2.4 实例分析：挑战问题 | 第28-31页 |
| 2.4.1 Sandia认知不确定性研讨会挑战问题研究背景 | 第28页 |
| 2.4.2 挑战问题结果分析 | 第28-31页 |
| 2.5 小结 | 第31-32页 |
| 第三章 基于区间核密度估计的MonteCarlo不确定性传播方法 | 第32-45页 |
| 3.1 区间抽样技术：广义拉丁超立方体抽样 | 第32-33页 |
| 3.1.1 拉丁超立方体抽样技术简介 | 第32页 |
| 3.1.2 广义拉丁超立方体抽样 | 第32-33页 |
| 3.2 核密度函数估计 | 第33-36页 |
| 3.2.1 密度函数估计方法简介 | 第34页 |
| 3.2.2 核密度估计法 | 第34-36页 |
| 3.3 拟合曲线的三次样条插值法 | 第36-39页 |
| 3.4 区间核密度估计-MonteCarlo不确定性传播方法 | 第39-41页 |
| 3.5 实例分析：挑战问题 | 第41-43页 |
| 3.6 小结 | 第43-45页 |
| 第四章 GIS中的区间不确定性研究 | 第45-60页 |
| 4.1 GIS中的区间确定性 | 第45-46页 |
| 4.2 线段长度的区间不确定性 | 第46-51页 |
| 4.3 多边形面积的区间不确定性 | 第51-55页 |
| 4.4 线段交点的区间不确定性 | 第55-58页 |
| 4.5 小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68页 |
