区域地震滑坡危险性评估技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·研究背景和意义 | 第9-10页 |
| ·研究近况以及存在问题 | 第10-12页 |
| ·论文研究思路和研究内容 | 第12-15页 |
| 2 地震滑坡危险性评价的理论基础 | 第15-25页 |
| ·影响地震滑坡的主要因素 | 第15-16页 |
| ·本文地震滑坡危险性预估的技术路线 | 第16页 |
| ·证据权滑坡预测模型 | 第16-17页 |
| ·二分类逻辑回归 | 第17-18页 |
| ·人工神经网络 | 第18-22页 |
| ·粒子群优化算法 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 3 GIS相关技术和数据处理 | 第25-39页 |
| ·GIS介绍 | 第25-26页 |
| ·GIS空间分析 | 第26-28页 |
| ·二次开发技术介绍 | 第28-31页 |
| ·样本因子选取 | 第31-38页 |
| ·本章小结 | 第38-39页 |
| 4 汶川区域地震滑坡危险性评价 | 第39-59页 |
| ·基于证据权模型的区域地震滑坡危险性评价 | 第39-49页 |
| ·基于二分类逻辑回归的区域地震危险性评价 | 第49-51页 |
| ·基于人工神经网络的区域地震滑坡危险性评价 | 第51-57页 |
| ·三种方式比较及地震滑坡危险性区划 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 5 基于粒子群优化神经网络的汶川滑坡识别 | 第59-67页 |
| ·基于粒子群协同神经网络权值方法 | 第59-61页 |
| ·基于粒子群混合神经网络的权值优化算法 | 第61-63页 |
| ·基于模拟退火的粒子群优化算法 | 第63-64页 |
| ·三种粒子群优化算法在汶川滑坡识别中的应用 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 6 区域地震滑坡危险性评价系统 | 第67-71页 |
| ·开发平台的选择 | 第67-68页 |
| ·基于组件式GIS的区域地震滑坡危险性评价系统 | 第68-69页 |
| ·系统展示 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 7 总结与展望 | 第71-73页 |
| ·总结 | 第71页 |
| ·展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 个人简历 | 第78页 |
