| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题背景及研究意义 | 第10-13页 |
| 1.1.1 课题研究背景 | 第10-11页 |
| 1.1.2 课题研究意义 | 第11-13页 |
| 1.2 课题研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 课题研究内容及技术路线 | 第15-17页 |
| 1.3.1 课题研究内容 | 第15-16页 |
| 1.3.2 研究技术路线 | 第16-17页 |
| 1.4 文章结构安排 | 第17-19页 |
| 第2章 城市震害损失评估相关理论 | 第19-36页 |
| 2.1 城市地震灾害的特点 | 第19-21页 |
| 2.2 城市地震损失评估的相关知识 | 第21-27页 |
| 2.2.1 城市地震损失评估的分类 | 第21-22页 |
| 2.2.2 城市震害损失的评估内容 | 第22-24页 |
| 2.2.3 城市震害损失评估的计算方法 | 第24-27页 |
| 2.3 城市震害评估指标体系 | 第27-30页 |
| 2.3.1 评估指标体系构模型建基本原则 | 第27页 |
| 2.3.2 评估指标体系结构 | 第27-30页 |
| 2.4 城市震害损失评估现行方法 | 第30-35页 |
| 2.4.1 易损性分类清单法 | 第30-31页 |
| 2.4.2 基于统计抽样的现场调查法 | 第31-33页 |
| 2.4.3 遥感图像识别法 | 第33-34页 |
| 2.4.4 ECLAC 评估法 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 震害影响因子体系的构建 | 第36-50页 |
| 3.1 震害影响因子的分类研究 | 第36-40页 |
| 3.1.1 地质条件类因子 | 第36-37页 |
| 3.1.2 地震致灾类因子 | 第37-38页 |
| 3.1.3 抗震设防类因子 | 第38页 |
| 3.1.4 社会经济类因子 | 第38-39页 |
| 3.1.5 减灾救援类因子 | 第39-40页 |
| 3.2 影响因子的提取与处理 | 第40-45页 |
| 3.2.1 影响因子数据的提取 | 第40-44页 |
| 3.2.2 影响因子的数据处理 | 第44-45页 |
| 3.3 城市地震灾害影响因子体系结构 | 第45-46页 |
| 3.4 地震震害损失数据库的建立 | 第46-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 RBF 神经网络算法研究与改进 | 第50-68页 |
| 4.1 RBF 神经网络算法概述 | 第50-57页 |
| 4.1.1 RBF 神经网络算法的基本原理 | 第50-51页 |
| 4.1.2 RBF 神经网络的拓扑结构 | 第51-53页 |
| 4.1.3 RBF 神经网络的实现过程 | 第53-55页 |
| 4.1.4 RBF 神经网络的局限性 | 第55-57页 |
| 4.2 粒子群算法概述 | 第57-60页 |
| 4.2.1 粒子群算法的基本原理 | 第57-58页 |
| 4.2.2 粒子群算法的算法流程 | 第58-59页 |
| 4.2.3 粒子群算法的特点分析 | 第59-60页 |
| 4.3 RBF 神经网络算法的综合改进 | 第60-67页 |
| 4.3.1 RBF 改进算法的基本思想 | 第60-61页 |
| 4.3.2 RBF 改进算法的算法流程 | 第61-63页 |
| 4.3.3 RBF 改进算法的性能检验 | 第63-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第5章 改进的 RBF 算法在城市震害损失评估中的应用 | 第68-89页 |
| 5.1 基于改进的 RBF 算法的城市震害损失评估模型 | 第68-70页 |
| 5.2 城市震害损失评估模型应用实例 | 第70-83页 |
| 5.2.1 评估地震样本资料 | 第70-72页 |
| 5.2.2 地震样本资料信息提取算例 | 第72-79页 |
| 5.2.3 地震损失评估模型应用过程 | 第79-83页 |
| 5.3 城市震害损失评估算例结果分析 | 第83-88页 |
| 5.4 本章小结 | 第88-89页 |
| 结论 | 第89-91页 |
| 总结 | 第89-90页 |
| 展望 | 第90-91页 |
| 参考文献 | 第91-96页 |
| 附录1 地震灾害样本信息资料 | 第96-102页 |
| 致谢 | 第102页 |