| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 引言 | 第9-15页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究意义 | 第11页 |
| 1.3 研究现状 | 第11-13页 |
| 1.3.1 黄骅港航道的研究现状 | 第11-12页 |
| 1.3.2 航道淤积预测的研究现状 | 第12-13页 |
| 1.4 本文的主要研究方法及内容 | 第13-15页 |
| 2 黄骅港的海岸特性及影响航道淤积的因素 | 第15-28页 |
| 2.1 黄骅港的形成及其海岸特性 | 第15-16页 |
| 2.2 黄骅港的自然条件 | 第16-23页 |
| 2.2.1 潮位 | 第16-17页 |
| 2.2.2 波浪 | 第17-19页 |
| 2.2.3 潮流 | 第19页 |
| 2.2.4 含沙量 | 第19-20页 |
| 2.2.5 底质颗粒的变化 | 第20-21页 |
| 2.2.6 风况 | 第21-23页 |
| 2.3 影响航道淤积的其他因素 | 第23-26页 |
| 2.3.1 抛泥区泥沙扩散 | 第23-24页 |
| 2.3.2 不同风向下对航道淤积的影响 | 第24-25页 |
| 2.3.3 防波堤北侧沿堤流及堤头绕流对航道淤积的影响 | 第25页 |
| 2.3.4 航道建设期边滩的疏浚废弃物在大风季节对航道淤积的影响 | 第25-26页 |
| 2.3.5 大风季节港内的小风浪环境对内航道淤积的影响 | 第26页 |
| 2.4 小结 | 第26-28页 |
| 3 PSO-SVM 优化预测模型的建立 | 第28-44页 |
| 3.1 微粒群算法(Particle Swarm Optimization-PSO)的简介 | 第28-31页 |
| 3.1.1 PSO 的基本原理 | 第28-29页 |
| 3.1.2 PSO 算法的流程 | 第29-30页 |
| 3.1.3 PSO 算法的优缺点 | 第30页 |
| 3.1.4 PSO 参数的选择 | 第30-31页 |
| 3.2 支持向量机（SVM）预测模型 | 第31-37页 |
| 3.2.1 支持向量机（SVM）的研究现状 | 第31-33页 |
| 3.2.2 SVM 基本原理 | 第33-35页 |
| 3.2.3 核函数及其参数选择 | 第35-37页 |
| 3.3 基于 PSO 参数优化 SVM 预测模型的具体实现 | 第37-43页 |
| 3.3.1 PSO-SVM 模型的实现 | 第37-38页 |
| 3.3.2 实例分析 | 第38-43页 |
| 3.4 小结 | 第43-44页 |
| 4 黄骅港航道优化清淤 | 第44-57页 |
| 4.1 黄骅港航道优化清淤的工程措施 | 第44页 |
| 4.2 由航道的年淤积量分布进行优化清淤 | 第44-45页 |
| 4.3 由航道的水深变化图进行优化清淤 | 第45-54页 |
| 4.3.1 由航道的沿程水深图进行清淤船舶优化清淤安排 | 第45-52页 |
| 4.3.2 由航道的水深资料进行优化清淤 | 第52-54页 |
| 4.4 黄骅港航道清淤船舶清淤量的优化 | 第54页 |
| 4.5 由 PSO-SVM 淤积预测模型进行航道优化清淤 | 第54-56页 |
| 4.6 小结 | 第56-57页 |
| 5 结论与展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 在读期间发表的学术论文 | 第61-62页 |
| 作者简介 | 第62-63页 |
| 致谢 | 第63-64页 |
