| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 水文模型参数校准研究背景 | 第15-16页 |
| 1.2 水文模型参数校准研究现状 | 第16-17页 |
| 1.3 进化多目标优化算法的研究现状 | 第17-19页 |
| 1.4 论文的主要工作和组织安排 | 第19-21页 |
| 第二章 多目标优化问题和集成学习理论基础 | 第21-29页 |
| 2.1 多目标优化问题描述 | 第21-23页 |
| 2.1.1 多目标优化问题的数学定义 | 第21页 |
| 2.1.2 Pareto支配与Pareto最优解 | 第21-22页 |
| 2.1.3 Pareto最优解集与Pareto最优前沿 | 第22-23页 |
| 2.2 集成学习 | 第23-29页 |
| 2.2.1 集成学习基本概念 | 第24页 |
| 2.2.2 集成学习框架 | 第24-25页 |
| 2.2.3 集成学习理论基础 | 第25-27页 |
| 2.2.4 集成学习算法 | 第27-29页 |
| 第三章 新安江模型参数校准误差函数分析 | 第29-45页 |
| 3.1 新安江模型 | 第29-30页 |
| 3.1.1 模型结构 | 第29页 |
| 3.1.2 模型参数 | 第29-30页 |
| 3.2 目标函数列表 | 第30-31页 |
| 3.3 流域基本情况 | 第31页 |
| 3.4 基于正交设计的决策空间采样 | 第31-37页 |
| 3.4.1 正交设计方法 | 第34-35页 |
| 3.4.2 实验设计 | 第35-37页 |
| 3.5 实验结果分析 | 第37-43页 |
| 3.5.1 目标函数对新安江水文模型参数校准的适用性分析 | 第37-42页 |
| 3.5.2 目标函数之间的相关性分析 | 第42-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 多目标进化算法与集成学习在水文模型参数校准上的应用 | 第45-55页 |
| 4.1 NSGA-II算法在新安江模型参数校准问题中的应用 | 第47-49页 |
| 4.1.1 两目标优化模型 | 第47-48页 |
| 4.1.2 NSGA-II算法水文模型参数校准 | 第48-49页 |
| 4.2 利用多目标进化算法构建学习器集合 | 第49-50页 |
| 4.3 多目标进化算法构建学习器集成设计方案 | 第50-51页 |
| 4.4 实验结果分析 | 第51-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-65页 |
| 作者简介 | 第65-66页 |
