| 1 文献综述 | 第1-27页 |
| ·引言 | 第8-10页 |
| ·水质预报系统原理概述 | 第10-25页 |
| ·河流水质模型的发展历程 | 第10-11页 |
| ·水质模型的分类 | 第11-13页 |
| ·国内外河流水质预测预报模型研究现状 | 第13-25页 |
| ·小结 | 第25-27页 |
| 2 赣江水质现状分析 | 第27-40页 |
| ·赣江自然地理特征 | 第27页 |
| ·赣江水质状况 | 第27-31页 |
| ·赣江水质现状分析 | 第29-30页 |
| ·赣江主要污染因子分析 | 第30页 |
| ·赣江水质现状及水质污染特征 | 第30页 |
| ·赣江南昌段排污状况 | 第30-31页 |
| ·赣江南昌段饮用水源地水质监测资料统计分析 | 第31-40页 |
| ·高锰酸盐指数及氨氮年平均浓度污染趋势分析 | 第32-33页 |
| ·高锰酸盐指数及氨氮月平均浓度污染趋势分析和每年浓度污染趋势分析 | 第33-36页 |
| ·高锰酸盐指数、氨氮浓度与影响因素之间的灰色关联性及相关性分析 | 第36-40页 |
| 3 赣江南昌段水源地水质预报模型研究 | 第40-68页 |
| ·前馈神经网络与误差反向传播算法 | 第40-48页 |
| ·前馈神经网络的结构与映射特征 | 第40页 |
| ·误差反向传播算法(简称BP算法) | 第40-41页 |
| ·常用的激活函数 | 第41-42页 |
| ·BP算法的描述 | 第42-44页 |
| ·BP算法的基本步骤和算法框图 | 第44-45页 |
| ·BP算法的不足 | 第45-47页 |
| ·BP人工神经网络的改进 | 第47-48页 |
| ·基于改进的BP人工神经网络的高锰酸盐指数及氨氮水质预报模型研究 | 第48-61页 |
| ·改进的BP人工神经网络预报模型结构 | 第48-52页 |
| ·改进的BP人工神经网络高锰酸盐指数和氨氮预报模型 | 第52-61页 |
| ·高锰酸盐指数和氨氮的人工神经网络预报程序 | 第61页 |
| ·预报结果分析 | 第61-64页 |
| ·预报结果 | 第61-63页 |
| ·神经网络水质预报的误差估计 | 第63-64页 |
| ·精度检验 | 第64页 |
| ·水质预报系统软件 | 第64-68页 |
| ·程序结构 | 第65页 |
| ·预报系统的主要界面 | 第65-68页 |
| 4 结论 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
