| 1． 绪论 | 第1-15页 |
| 1．1 选题的背景、目的和意义 | 第9-10页 |
| 1．2 国内外研究历史、现状和发展趋势 | 第10-12页 |
| 1．2．1 国外安全评价的发展现状 | 第10-11页 |
| 1．2．2 国内安全评价的发展现状 | 第11-12页 |
| 1．3 神经网络理论的历史沿革 | 第12-14页 |
| 1．3．1 人工神经网络的历史 | 第12-13页 |
| 1．3．2 神经网络理论的应用 | 第13-14页 |
| 1．4 本课题的主要研究内容 | 第14-15页 |
| 2． 安全评价方法原理及神经网络在其中的应用 | 第15-28页 |
| 2．1 安全评价的原理 | 第15-19页 |
| 2．1．1 相关性原理 | 第15-17页 |
| 2．1．2 类推原理 | 第17-18页 |
| 2．1．3 惯性原理 | 第18-19页 |
| 2．1．4 量变到质变原理 | 第19页 |
| 2．2 安全评价的方法与分类 | 第19-24页 |
| 2．2．1 安全评价分类 | 第19页 |
| 2．2．2 主要安全评价方法简述 | 第19-24页 |
| 2．3 神经网络理论用于安全评价的优越性 | 第24-25页 |
| 2．4 本文所研究的评价方法 | 第25-28页 |
| 2．4．1 运用 ANN的事故率和伤亡率预测 | 第25-26页 |
| 2．4．2 运用 ANN的危险度分级方法 | 第26-27页 |
| 2．4．3 运用 ANN的多指标体系的综合评价方法 | 第27-28页 |
| 3． 人工神经网络的基本原理 | 第28-40页 |
| 3．1 人工神经网络模型 | 第28-33页 |
| 3．1．1 生物神经元及人工神经元 | 第28-29页 |
| 3．1．2 神经网络的分类 | 第29-30页 |
| 3．1．3 神经网络的传递函数 | 第30-31页 |
| 3．1．4 神经网络的学习与训练 | 第31-33页 |
| 3．2 BP神经网络 | 第33-40页 |
| 3．2．1 BP神经网络的结构 | 第33-34页 |
| 3．2．2 BP学习算法 | 第34-39页 |
| 3．2．3 BP网络的算法流程图 | 第39-40页 |
| 4． 运用 MATLAB神经网络工具箱建立 BP网络模型 | 第40-47页 |
| 4．1 简介 | 第40-41页 |
| 4．1．1 MATLAB简介 | 第40页 |
| 4．1．2 MATLAB神经网络工具箱 | 第40页 |
| 4．1．3 运用神经网络工具箱设计网络的过程 | 第40-41页 |
| 4．2 面向 MATLAB的 BP神经网络设计 | 第41-45页 |
| 4．2．1 BP神经网络模型 | 第41-42页 |
| 4．2．2 设计过程 | 第42-45页 |
| 4．3 基于 GUI的神经网络设计与分析 | 第45-47页 |
| 5． 神经网络应用于事故预测 | 第47-60页 |
| 5．1 数据来源及整理 | 第47页 |
| 5．2 利用 GUI建立神经网络模型并进行预测 | 第47-55页 |
| 5．2．1 模型结构 | 第47-48页 |
| 5．2．2 样本的定义及归一化 | 第48-49页 |
| 5．2．3 训练函数的选择 | 第49页 |
| 5．2．4 基于 GUI的网络设计与分析 | 第49-55页 |
| 5．3 结果讨论 | 第55-59页 |
| 5．3．1 结果 | 第55-57页 |
| 5．3．2 讨论 | 第57-58页 |
| 5．3．3 神经网络预测方法与其他方法的比较 | 第58-59页 |
| 5．4 小结 | 第59-60页 |
| 6． 神经网络应用于危险度等级评价 | 第60-68页 |
| 6．1 定量评价分级方法——蒙得法介绍 | 第60-64页 |
| 6．1．1 基本程序 | 第60-61页 |
| 6．1．2 固有危险程度的初步分级示例 | 第61-64页 |
| 6．2 危险度等级评价神经网络模型的建立 | 第64-65页 |
| 6．3 数据处理 | 第65-66页 |
| 6．4 分级结果 | 第66-67页 |
| 6．5 结论 | 第67-68页 |
| 7． 结论与展望 | 第68-70页 |
| 7．1 全文总结 | 第68页 |
| 7．2 有待深入进行的工作 | 第68-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72-73页 |
| 附录 | 第73页 |