| 第一章 绪论 | 第1-17页 |
| 1．1 选题背景和研究意义 | 第8-11页 |
| 1．1．1 神经网络与住宅节能性能检测 | 第8-10页 |
| 1．1．2 模糊数学与商品住宅性能评定方法 | 第10-11页 |
| 1．2 智能算法的研究现状综述 | 第11-13页 |
| 1．2．1 基于神经网络的预测模型 | 第11-12页 |
| 1．2．2 基于模糊集理论的模糊综合评价技术 | 第12-13页 |
| 1．2．3 MATLAB语言简介 | 第13页 |
| 1．3 本文研究的主要内容 | 第13-17页 |
| 1．3．1 全文的组织结构 | 第13-14页 |
| 1．3．2 本文研究的主要内容和创新点 | 第14-17页 |
| 第二章 人工神经网络在房屋热性能评估中的应用研究 | 第17-50页 |
| 2．1 引言 | 第17-19页 |
| 2．2 神经网络在房屋节能性能评估中的应用 | 第19-23页 |
| 2．2．1 房屋节能检测中的基本概念 | 第19-21页 |
| 2．2．2 人工神经网络基本原理 | 第21-23页 |
| 2．3 Bp神经网络在房屋节能性能评估中的应用研究 | 第23-46页 |
| 2．3．1 BP算法的基本原理 | 第24页 |
| 2．3．2 BP算法的基本步骤和流程图 | 第24-28页 |
| 2．3．3 BP网络的设计及几种改进的BP学习算法 | 第28-34页 |
| 2．3．3．1 网络的层数 | 第28-29页 |
| 2．3．3．2 隐层结点数的最优选取 | 第29-30页 |
| 2．3．3．3 初始权值的选取 | 第30-31页 |
| 2．3．3．4 学习速率的选取 | 第31-32页 |
| 2．3．3．5 用附加动量法训练的网络 | 第32-33页 |
| 2．3．3．6 自适应调整学习速率训练的网络 | 第33页 |
| 2．3．3．7 L-M算法 | 第33-34页 |
| 2．3．4 BP算法小结 | 第34-35页 |
| 2．3．5 应用实例分析 | 第35-38页 |
| 2．3．5．1 工程简介 | 第35-38页 |
| 2．3．6 结果分析与讨论 | 第38-46页 |
| 2．4 程序界面及部分源代码 | 第46-50页 |
| 第三章 模糊综合评价技术在住宅综合性能评估中的应用研究 | 第50-68页 |
| 3．1 引言 | 第50-52页 |
| 3．2 模糊数学及模糊综合评价技术方法基本原理 | 第52-59页 |
| 3．3 商品住宅性能评定方法和指标体系（试行）简介 | 第59-61页 |
| 3．4 A级商品住宅性能评价指标体系分析及确定 | 第61-66页 |
| 3．4．1 A级商品住宅性能评价指标权重的确定 | 第61-63页 |
| 3．4．2 A级商品住宅性能评价指标隶属函数的确定 | 第63-64页 |
| 3．4．3 根据权重构造评判矩阵的方法 | 第64-65页 |
| 3．4．4 根据隶属度的原则确定判定方法 | 第65-66页 |
| 3．4．5 A级商品住宅综合性能评价体系的确定 | 第66页 |
| 3．5 结论与分析 | 第66-68页 |
| 第四章 结论与展望 | 第68-74页 |
| 4．1 全文总结 | 第68-69页 |
| 4．2 展望 | 第69-71页 |
| 4．3 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
