| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 选题背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 洪灾损失评估研究现状 | 第10-11页 |
| 1.2.2 云计算平台及BP神经网络的研究现状 | 第11-12页 |
| 1.3 论文研究内容及技术路线 | 第12-15页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 技术路线 | 第13-15页 |
| 1.4 文章的组织结构 | 第15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 洪灾损失评估简介及相关技术 | 第16-30页 |
| 2.1 洪灾损失评估概述 | 第16-19页 |
| 2.1.1 洪灾损失的计算方法 | 第17-18页 |
| 2.1.2 洪灾损失评估的影响因子 | 第18-19页 |
| 2.2 BP神经网络技术概述 | 第19-25页 |
| 2.2.1 BP神经网络算法的运算过程 | 第20-23页 |
| 2.2.2 Hadoop与传统高性能计算的比较 | 第23-24页 |
| 2.2.3 BP神经网络算法存在的问题 | 第24-25页 |
| 2.3 开源云平台Hadoop技术概述 | 第25-29页 |
| 2.3.1 Hadoop作业机制 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 Mapreduce-bp神经网络算法研究 | 第30-40页 |
| 3.1 BP神经网络计算结构 | 第30-31页 |
| 3.2 Mapreduce的编程思想 | 第31-33页 |
| 3.3 Mapreduce-bp算法的设计 | 第33-35页 |
| 3.3.1 Mapreduce-bp算法的思想 | 第33-34页 |
| 3.3.2 Mapreduce-bp算法的设计 | 第34-35页 |
| 3.4 Mapreduce-bp算法实现 | 第35-39页 |
| 3.4.1 Map函数 | 第35-36页 |
| 3.4.2 Reduce函数 | 第36-38页 |
| 3.4.3 驱动函数 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于Mapreduce-bp神经网络算法在洪灾损失评估中的应用 | 第40-53页 |
| 4.1 基于Mapreudce-bp算法的洪灾损失评估模型的建立 | 第40-42页 |
| 4.2 基于Mapreudce-bp神经网络洪灾损失评估模型的应用实例 | 第42-49页 |
| 4.2.1 研究区域概况 | 第42页 |
| 4.2.2 研究数据介绍 | 第42-43页 |
| 4.2.3 模型环境搭建 | 第43-47页 |
| 4.2.4 模型应用过程 | 第47-49页 |
| 4.3 研究结果及分析 | 第49-52页 |
| 4.3.1 精度分析 | 第49-50页 |
| 4.3.2 效率分析 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-54页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
