| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景 | 第11页 |
| ·国内外研究现状 | 第11-15页 |
| ·本文研究目标、研究内容、创新点、研究方法及技术路线 | 第15-18页 |
| ·研究目标 | 第15页 |
| ·研究内容 | 第15-16页 |
| ·研究方法 | 第16页 |
| ·论文创新点 | 第16-17页 |
| ·技术路线 | 第17-18页 |
| 第2章 滨海城市浅层地下水水文地质条件分析 | 第18-31页 |
| ·滨海城市地质环境的分异特征 | 第18-21页 |
| ·地形地貌 | 第18页 |
| ·海岸类型与特征 | 第18页 |
| ·地球动力学作用 | 第18-19页 |
| ·近代地壳垂直运动 | 第19页 |
| ·海洋水动力 | 第19-20页 |
| ·地表水流 | 第20页 |
| ·地下水化学成分 | 第20-21页 |
| ·滨海城市浅层地下水基本情况 | 第21-28页 |
| ·浅层地下水 | 第21页 |
| ·浅层地下水形成影响与分布 | 第21-23页 |
| ·浅层地下水的相关特点 | 第23-24页 |
| ·地下水对建筑工程的影响 | 第24-28页 |
| ·滨海城市浅层地下水水文地质条件分析 | 第28-31页 |
| 第3章 人工神经网络评价方法概述 | 第31-43页 |
| ·人工神经网络的基本原理 | 第31-38页 |
| ·人工神经网络的基本原理 | 第31-32页 |
| ·神经元的数学模型 | 第32-34页 |
| ·人工神经网络的学习功能 | 第34-36页 |
| ·人工神经网络的典型模型 | 第36-37页 |
| ·人工神经网络的优点 | 第37-38页 |
| ·BP模型 | 第38-43页 |
| ·BP神经网络结构 | 第39-40页 |
| ·BP神经网络学习过程 | 第40页 |
| ·BP算法的改进 | 第40-41页 |
| ·BP神经网络方法用于水文地质条件评价的可行性 | 第41-43页 |
| 第4章 水文地质条件评价模型建立及应用 | 第43-63页 |
| ·MATLAB神经网络简介 | 第43-46页 |
| ·地下水水文地质条件评价模型的建立 | 第46-57页 |
| ·基本思路 | 第46-47页 |
| ·水文地质条件评价指标体系构建 | 第47-52页 |
| ·水文地质条件评价标准 | 第52-53页 |
| ·BP神经网络设计 | 第53-57页 |
| ·滨海城市浅层地下水水文地质条件评价模型应用 | 第57-61页 |
| ·应用工程简介 | 第57-60页 |
| ·评价结果及分析 | 第60-61页 |
| ·模型优化分析 | 第61-63页 |
| 第5章 结论与建议 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第69页 |