| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究进展 | 第10-16页 |
| 1.2.1 智能优化算法在水文模型中的应用的研究进展 | 第10-13页 |
| 1.2.2 PSO算法的国内外研究进展 | 第13-16页 |
| 1.3 本文研究内容 | 第16-19页 |
| 第2章 水文模型简介与应用流域概况 | 第19-33页 |
| 2.1 水文模型简介 | 第19-27页 |
| 2.1.1 新安江模型 | 第19-22页 |
| 2.1.2 EasyDHM模型 | 第22-27页 |
| 2.2 应用流域概况 | 第27-31页 |
| 2.2.1 平湖流域概况 | 第27-29页 |
| 2.2.2 汉江流域概况 | 第29-31页 |
| 2.3 目标函数 | 第31-33页 |
| 第3章 针对水文模型参数率定问题的粒子群算法机制分析研究 | 第33-45页 |
| 3.1 引言 | 第33-34页 |
| 3.2 粒子群算法 | 第34-36页 |
| 3.2.1 标准粒子群算法 | 第34-35页 |
| 3.2.2 粒子群算法的控制参数 | 第35-36页 |
| 3.3 正交试验设计 | 第36-37页 |
| 3.4 结果分析 | 第37-42页 |
| 3.4.1 考察不同水平试验结果之和 | 第38-39页 |
| 3.4.2 极差分析与方差分析 | 第39-40页 |
| 3.4.3 新安江模型径流模拟结果 | 第40-41页 |
| 3.4.4 趋势分析 | 第41-42页 |
| 3.5 本章小结 | 第42-45页 |
| 第4章 改进粒子群算法在新安江模型参数率定中的应用 | 第45-65页 |
| 4.1 引言 | 第45-46页 |
| 4.2 经典粒子群算法与改进粒子群算法 | 第46-50页 |
| 4.2.1 代入常数惯性权重的PSO算法 | 第46-47页 |
| 4.2.2 代入时变惯性权重的PSO算法 | 第47页 |
| 4.2.3 代入随机惯性权重的PSO算法 | 第47页 |
| 4.2.4 代入自适应惯性权重的PSO算法 | 第47-48页 |
| 4.2.5 四种惯性权重并行的改进PSO算法 | 第48-50页 |
| 4.3 数值试验 | 第50-57页 |
| 4.3.1 测试函数 | 第50-51页 |
| 4.3.2 结果与讨论 | 第51-57页 |
| 4.4 IPSO算法在新安江模型参数率定中的应用 | 第57-63页 |
| 4.4.1 水文模拟过程评价 | 第57-60页 |
| 4.4.2 收敛值质量分析 | 第60-61页 |
| 4.4.3 收敛速度分析 | 第61-62页 |
| 4.4.4 稳定性分析 | 第62页 |
| 4.4.5 IPSO算法在新安江模型参数率定中的应用小结 | 第62-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第5章 改进粒子群算法EASYDHM模型中的适用性研究 | 第65-87页 |
| 5.1 引言 | 第65-66页 |
| 5.2 建模过程 | 第66-76页 |
| 5.2.1 基础数据信息整备 | 第66-71页 |
| 5.2.2 流域的空间离散 | 第71-73页 |
| 5.2.3 模型参数率定 | 第73-75页 |
| 5.2.4 误差分析指标 | 第75-76页 |
| 5.3 IPSO算法在EASYDHM模型中的应用 | 第76-83页 |
| 5.3.1 水量平衡误差分析 | 第76-77页 |
| 5.3.2 纳什效率系数分析 | 第77页 |
| 5.3.3 洪峰流量及峰现时间分析 | 第77-78页 |
| 5.3.4 典型洪水分析 | 第78-83页 |
| 5.4 IPSO算法与PSO算法的比较 | 第83-85页 |
| 5.4.1 纳什效率系数均值比较 | 第83-84页 |
| 5.4.2 算法效果与径流量关系 | 第84-85页 |
| 5.5 本章小结 | 第85-87页 |
| 第6章 总结与展望 | 第87-89页 |
| 6.1 总结 | 第87-88页 |
| 6.2 展望 | 第88-89页 |
| 参考文献 | 第89-97页 |
| 发表论文和参加科研情况说明 | 第97-99页 |
| 致谢 | 第99页 |
