| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题的背景和意义 | 第9-12页 |
| 1.1.1 我国高层建筑发展现状 | 第9-10页 |
| 1.1.2 高层建筑火灾的形势与危害 | 第10-11页 |
| 1.1.3 课题的意义 | 第11-12页 |
| 1.2 高层建筑消防防火技术概况 | 第12-13页 |
| 1.3 高层建筑消防安全评估国内外现状 | 第13-14页 |
| 1.4 课题研究的主要内容 | 第14-16页 |
| 2 BP 神经网络的基本原理 | 第16-25页 |
| 2.1 BP 神经网络的基本原理 | 第16-22页 |
| 2.2 BP 神经网络的缺点及改进 | 第22-25页 |
| 2.2.1 BP 算法的不足 | 第22-24页 |
| 2.2.2 BP 算法的改进 | 第24-25页 |
| 3 高层建筑消防安全评估指标体系 | 第25-35页 |
| 3.1 高层建筑火灾危险源 | 第25-26页 |
| 3.1.1 第一种火灾危险源 | 第25页 |
| 3.1.2 第二种火灾危险源 | 第25-26页 |
| 3.2 高层建筑消防安全评价指标体系的建立 | 第26-29页 |
| 3.2.1 评估指标体系建立的原则 | 第26-27页 |
| 3.2.2 评估指标体系的建立 | 第27-29页 |
| 3.3 高层建筑消防安全评估指标定量化 | 第29-35页 |
| 3.3.1 指标定量化的处理方法 | 第29-30页 |
| 3.3.2 指标定量化 | 第30-35页 |
| 4 高层建筑消防安全评估的神经网络模型 | 第35-45页 |
| 4.1 神经网络应用于评估的原理及研究步骤 | 第35-37页 |
| 4.1.1 BP 神经网络应用于评估的原理 | 第35-36页 |
| 4.1.2 神经网络应用于评估的研究步骤 | 第36-37页 |
| 4.2 输入变量的分析与预处理 | 第37-38页 |
| 4.3 神经网络结构设计 | 第38-41页 |
| 4.3.1 隐层数的选取 | 第38页 |
| 4.3.2 隐层节点数的确定 | 第38-39页 |
| 4.3.3 初始权值的选取 | 第39-40页 |
| 4.3.4 激励函数的选取 | 第40-41页 |
| 4.4 训练算法及训练参数的选择 | 第41-43页 |
| 4.4.1 训练算法的选择 | 第41-42页 |
| 4.4.2 训练方式的选择 | 第42页 |
| 4.4.3 训练参数的选取 | 第42-43页 |
| 4.4.4 训练次数的确定 | 第43页 |
| 4.5 合理网络模型的确定 | 第43-45页 |
| 5 BP 神经网络在高层建筑消防安全评估中的应用 | 第45-52页 |
| 5.1 学习样本和输入输出变量的确定 | 第45页 |
| 5.2 基于 Matlab 神经网络工具箱的实例设计 | 第45-49页 |
| 5.2.1 BP 神经网络的建立 | 第46-48页 |
| 5.2.2 权和阀值的初始化 | 第48页 |
| 5.2.3 网络训练 | 第48-49页 |
| 5.2.4 检验网络 | 第49页 |
| 5.3 实例计算与分析 | 第49-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录 A 仿真程序 | 第56-58页 |
| 在学研究成果 | 第58-59页 |
| 致谢 | 第59页 |