| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-12页 |
| 第1章 绪论 | 第12-22页 |
| ·研究背景及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-19页 |
| ·泥石流研究的一般方法 | 第13-16页 |
| ·泥石流研究的GIS方法 | 第16页 |
| ·泥石流研究的数学建模方法 | 第16-18页 |
| ·对已有方法的综合评述 | 第18-19页 |
| ·研究思路、目标、内容 | 第19-20页 |
| ·研究思路 | 第19页 |
| ·研究目标 | 第19页 |
| ·研究内容 | 第19-20页 |
| ·论文组织 | 第20-22页 |
| 第2章 暴雨型泥石流特征分析 | 第22-26页 |
| ·成灾因子的特征 | 第22-23页 |
| ·成灾因子的模糊性和不确定性特征 | 第22页 |
| ·成灾因子的多元化特征 | 第22-23页 |
| ·孕灾过程的特征 | 第23页 |
| ·孕灾过程的模糊性不确定性特征 | 第23页 |
| ·孕灾过程的阶段特征 | 第23页 |
| ·成灾因子与泥石流灾害之间关系的特征 | 第23-25页 |
| ·成灾因子与泥石流灾害之间关系的模糊性和不确定性特征 | 第23-24页 |
| ·成灾因子与泥石流灾害之间关系的多变量非线性特征 | 第24-25页 |
| ·泥石流分析预测方法的特征 | 第25页 |
| ·对多元信息融合的特征 | 第25页 |
| ·预测方法智能化的特征 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第3章 研究区与研究方法 | 第26-30页 |
| ·研究区地理特征 | 第26-27页 |
| ·数据收集 | 第27-28页 |
| ·研究方法与技术路线 | 第28-30页 |
| ·研究方法 | 第28-29页 |
| ·技术路线 | 第29-30页 |
| 第4章 基于模糊事件树评估暴雨型泥石流灾害风险 | 第30-46页 |
| ·模糊事件树的基本理论 | 第31-38页 |
| ·事件树分析方法 | 第31-32页 |
| ·模糊逻辑 | 第32-33页 |
| ·基于模糊集的事件树分析 | 第33-38页 |
| ·泥石流发生过程的事件树模型 | 第38-40页 |
| ·事件发生概率的模糊化处理 | 第40-42页 |
| ·模糊性语言的模糊数化 | 第40页 |
| ·用模糊性语言评价泥石流各环节事件的发生概率 | 第40-42页 |
| ·事件树产生算法计算泥石流灾害事件的发生概率 | 第42-43页 |
| ·模型应用结果分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 基于可拓学的暴雨泥石流预警研究 | 第46-61页 |
| ·可拓学的相关理论 | 第46-49页 |
| ·智能科学与矛盾问题 | 第46-47页 |
| ·可拓学的基本思想和框架 | 第47-48页 |
| ·物元理论 | 第48页 |
| ·可拓集合 | 第48-49页 |
| ·建模准备 | 第49-52页 |
| ·泥石流预警评价指标的选取 | 第49-50页 |
| ·泥石流预警评价指标的分类 | 第50页 |
| ·评价指标与预警等级的关系 | 第50-51页 |
| ·待评泥石流沟部分特征 | 第51-52页 |
| ·模型建立 | 第52-55页 |
| ·建立物元模型 | 第52-53页 |
| ·计算待评物元关于各等级的关联度 | 第53-54页 |
| ·计算预警值 | 第54-55页 |
| ·定义泥石流预警等级 | 第55页 |
| ·模型应用 | 第55-60页 |
| ·建立泥石流预警的物元模型 | 第55-56页 |
| ·建立泥石流预警的关联函数 | 第56-57页 |
| ·泥石流预警值的计算 | 第57-58页 |
| ·泥石流预警结果及分析 | 第58-60页 |
| ·本章小节 | 第60-61页 |
| 第6章 基于GMDH网络的泥石流预测模型 | 第61-77页 |
| ·GMDH网络 | 第61-63页 |
| ·GMDH基本原理 | 第61-62页 |
| ·GMDH网络的结构 | 第62-63页 |
| ·模拟退火遗传算法用于辨识多项式的系数 | 第63页 |
| ·基于模拟退火遗传算法的GMDH网络模型 | 第63-67页 |
| ·遗传算法 | 第63-64页 |
| ·模拟退火算法 | 第64页 |
| ·模拟退火遗传算法 | 第64页 |
| ·模拟退火遗传算法的具体步骤 | 第64-66页 |
| ·基于模拟退火遗传算法的GMDH网络的建模 | 第66-67页 |
| ·泥石流预测建模 | 第67-75页 |
| ·数据的选取 | 第68-69页 |
| ·数据归一化处理 | 第69页 |
| ·对输入变量降维 | 第69-70页 |
| ·模型构建 | 第70页 |
| ·模型评价 | 第70-71页 |
| ·模型结果 | 第71-72页 |
| ·模型的验证与测试 | 第72页 |
| ·不同模型的比较 | 第72-75页 |
| ·本章小结 | 第75-77页 |
| 第7章 利用领域知识和贝叶斯网络来评估泥石流灾害风险 | 第77-109页 |
| ·贝叶斯网络 | 第78-87页 |
| ·贝叶斯网络理论基础 | 第78-81页 |
| ·条件的独立性和图的可分性 | 第81-83页 |
| ·贝叶斯网络的技术描述 | 第83-84页 |
| ·构建贝叶斯网络的关键技术 | 第84-87页 |
| ·利用贝叶斯网络建模的过程 | 第87页 |
| ·基于本地搜索策略的混合蚁群优化方法的贝叶斯网络的结构学习 | 第87-99页 |
| ·贝叶斯网络的结构学习 | 第87-88页 |
| ·目标优化问题 | 第88-89页 |
| ·ACO的元启发式方法 | 第89-90页 |
| ·基于本地搜索策略的混合蚁群优化方法 | 第90-99页 |
| ·用提出的方法改进贝叶斯网络结构学习 | 第99页 |
| ·贝叶斯网络的参数学习 | 第99-100页 |
| ·基于贝叶斯网络评估泥石流灾害风险 | 第100-109页 |
| ·泥石流灾害风险评估的工作过程 | 第100-102页 |
| ·数据获取与处理 | 第102-103页 |
| ·利用贝叶斯网络建模 | 第103-105页 |
| ·模型验证 | 第105-106页 |
| ·模型结果 | 第106-109页 |
| 第8章 总结与展望 | 第109-111页 |
| ·总结 | 第109-110页 |
| ·展望 | 第110-111页 |
| 参考文献 | 第111-124页 |
| 致谢 | 第124-125页 |
| 附录 | 第125页 |
