面向地震应急测绘灾情信息综合统计分析技术和方法研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-12页 |
| 1 绪论 | 第12-18页 |
| ·选题背景及意义 | 第12-13页 |
| ·研究现状 | 第13-16页 |
| ·国外研究现状 | 第13-14页 |
| ·国内研究现状 | 第14-16页 |
| ·研究目标及主要内容 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 2 地震灾情信息的统计分析方法 | 第18-29页 |
| ·灾情因子确定 | 第18-19页 |
| ·受灾人口因子的统计分析 | 第19-21页 |
| ·基于人口密度的统计分析 | 第20页 |
| ·基于地震烈度的统计分析 | 第20-21页 |
| ·基于房屋倒损率的统计分析 | 第21页 |
| ·房屋损毁因子的统计分析 | 第21-24页 |
| ·基于易损矩阵的统计分析 | 第22页 |
| ·基于历史震害资料易损矩阵的统计分析 | 第22-23页 |
| ·基于地震烈度的统计分析 | 第23-24页 |
| ·道路损毁因子的统计分析 | 第24-26页 |
| ·基于易损矩阵的统计分析 | 第24-25页 |
| ·基于地震烈度破坏比的统计分析 | 第25-26页 |
| ·灾情因子统计分析方法比较 | 第26-28页 |
| ·受灾人口因子的统计分析方法比较 | 第26-27页 |
| ·房屋损毁因子的统计分析方法比较 | 第27页 |
| ·道路损毁因子的统计分析方法比较 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 基于灾情综合统计分析的地震等级评估方法 | 第29-42页 |
| ·基于灰色聚类分析的统计评估方法 | 第29-31页 |
| ·基于人工神经网络模型的统计评估方法 | 第31-33页 |
| ·人工神经网络基本原理 | 第31-32页 |
| ·人工神经网络学习规则 | 第32-33页 |
| ·基于主成分分析法的统计评估方法 | 第33-35页 |
| ·基于灾度等级判别法的统计评估方法 | 第35-38页 |
| ·灾度等级判别方法 | 第35-36页 |
| ·灾度等级判别方法局限性的改进 | 第36-37页 |
| ·相对灾度 | 第37-38页 |
| ·统计评估方法比较 | 第38-41页 |
| ·灰色聚类法的优缺点 | 第38-39页 |
| ·人工神经网络模型方法的优缺点 | 第39页 |
| ·主成分分析方法的优缺点 | 第39-40页 |
| ·灾度判别方法的优缺点 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 4 雅安地震灾情信息统计分析及等级评估 | 第42-56页 |
| ·实验区概况 | 第42-43页 |
| ·四川省概况及地震活动时空分布特征 | 第42-43页 |
| ·雅安市概况 | 第43页 |
| ·雅安市地震灾害 | 第43页 |
| ·实验区地震各指标因子统计分析 | 第43-50页 |
| ·受灾人口灾情统计 | 第45-47页 |
| ·房屋损毁灾情统计 | 第47-49页 |
| ·道路损毁灾情统计 | 第49-50页 |
| ·地震灾情等级统计评估 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 5 结论与展望 | 第56-58页 |
| ·结论 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 作者简历 | 第62-64页 |
| 学位论文数据集 | 第64页 |
