摘要 | 第1-5页 |
ABSTRACT | 第5-8页 |
1 绪论 | 第8-16页 |
·城市地震灾害 | 第8-10页 |
·我国的地震灾害 | 第8页 |
·城市地震灾害特点 | 第8-10页 |
·进行城市建筑物震害预测研究的意义 | 第10-11页 |
·城市抗震防灾规划 | 第10-11页 |
·城市建筑物震害预测的地位 | 第11页 |
·国内外震害损失预测研究现状 | 第11-13页 |
·国外研究现状 | 第11-12页 |
·国内研究现状 | 第12-13页 |
·本文的研究意义和研究内容 | 第13-16页 |
·研究意义 | 第13页 |
·研究内容 | 第13-15页 |
·论文研究的技术路线 | 第15-16页 |
2 地震灾害损失预测理论 | 第16-26页 |
·地震灾害损失及其分类 | 第16-19页 |
·直接经济损失 | 第16-18页 |
·间接经济损失 | 第18-19页 |
·地震灾害经济损失预测常用方法综述 | 第19-22页 |
·一般性方法 | 第19页 |
·易损性分类清单法 | 第19-21页 |
·宏观易损性方法 | 第21-22页 |
·建筑物震害预测方法综述 | 第22-26页 |
3 基于特征参数类比的建筑物震害预测方法研究 | 第26-43页 |
·几个基本术语 | 第26-28页 |
·建筑物震害等级划分 | 第26-27页 |
·震害指数 | 第27页 |
·平均震害指数 | 第27-28页 |
·震害矩阵 | 第28页 |
·基于特征参数类比的震害预测法的基本原理 | 第28页 |
·基于模糊层次分析法的建筑物特征参数权重的确定 | 第28-36页 |
·房屋建筑的分类 | 第29页 |
·特征参数的选择及量化 | 第29-32页 |
·特征参数权重的确定方法的选择 | 第32-34页 |
·特征参数权重的计算 | 第34-36页 |
·基于特征参数类比的震害预测法的步骤 | 第36-37页 |
·实例验证 | 第37-43页 |
·建筑物调查情况 | 第37-40页 |
·基于特征参数类比的建筑物震害预测 | 第40-43页 |
4 基于GA—ANN宏观易损性模型的震灾经济损失预测方法研究 | 第43-70页 |
·人工神经网络和遗传算法理论 | 第43-54页 |
·人工神经网络基本原理 | 第43-46页 |
·BP神经网络及其改进 | 第46-51页 |
·遗传算法理论 | 第51-53页 |
·遗传算法和神经网络的结合 | 第53-54页 |
·基于GA—ANN的宏观易损性模型的建立 | 第54-62页 |
·样本数据的收集与处理 | 第54-55页 |
·输入层和输出层的设计 | 第55页 |
·隐含数和隐层节点设计 | 第55-56页 |
·遗传算法优化神经网络的权值和闭值 | 第56-58页 |
·遗传优化的BP神经网络及MATLAB实现 | 第58-62页 |
·模型的训练分析 | 第62-64页 |
·模型的仿真结果分析与评价 | 第64-65页 |
·本文GA—ANN宏观易损性模型在汶川地震损失评估中的应用 | 第65-70页 |
·本文GA—ANN宏观易损性模型评估汶川地震四川省的经济损失 | 第65-68页 |
·与民政部、国家汶川地震委员会的评估结果对比分析 | 第68-70页 |
5 结论 | 第70-72页 |
·结论 | 第70-71页 |
·展望 | 第71-72页 |
参考文献 | 第72-75页 |
附录 样本原始数据 | 第75-82页 |
攻读硕士学位期间发表学术论文情况 | 第82-83页 |
致谢 | 第83-84页 |