气象因子对赣江中下游流域中长期水文预报的影响分析
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 研究目的及意义 | 第7页 |
| 1.2 中长期水文预报的研究综述 | 第7-11页 |
| 1.2.1 中长期水文预报的概念及发展历史 | 第7-8页 |
| 1.2.2 中长期水文预报方法 | 第8-10页 |
| 1.2.3 中长期预报发展的趋势 | 第10-11页 |
| 1.3 主要研究内容及框架 | 第11-12页 |
| 1.4 资料说明 | 第12-14页 |
| 第二章 影响区域水文要素的物理气象因子分析 | 第14-28页 |
| 2.1 研究区域概况 | 第14-16页 |
| 2.2 水文循环 | 第16-17页 |
| 2.3 天文因素影响 | 第17-21页 |
| 2.3.1 太阳黑子的活动规律 | 第17-18页 |
| 2.3.2 太阳黑子活动对区域洪灾的关系 | 第18-21页 |
| 2.4 海温影响 | 第21-24页 |
| 2.4.1 海温变化对水文情势的影响原理 | 第21页 |
| 2.4.2 ENSO事件对水文情势的影响 | 第21-24页 |
| 2.5 大气环流影响 | 第24-26页 |
| 2.6 本章小结 | 第26-28页 |
| 第三章 关联规则挖掘分析预报 | 第28-41页 |
| 3.1 数据挖掘 | 第28-29页 |
| 3.2 关联规则挖掘分析 | 第29-31页 |
| 3.2.1 关联规则的引入 | 第29页 |
| 3.2.2 关联规则模型描述 | 第29-30页 |
| 3.2.3 水文信息关联规则挖掘步骤 | 第30-31页 |
| 3.3 Apriori算法 | 第31-33页 |
| 3.3.1 Apriori算法原理 | 第31页 |
| 3.3.2 Apriori算法流程 | 第31-33页 |
| 3.4 预报模型构建 | 第33-37页 |
| 3.4.1 资料准备 | 第33页 |
| 3.4.2 数据的预处理 | 第33页 |
| 3.4.3 预报事务数据集的建立 | 第33-37页 |
| 3.5 关联规则挖掘的结果与检验 | 第37-40页 |
| 3.5.1 关联规则的挖掘结果 | 第37-39页 |
| 3.5.2 模型检验 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 BP神经网络预报 | 第41-59页 |
| 4.1 人工神经网络概述 | 第41-44页 |
| 4.2 BP神经网络的原理 | 第44-49页 |
| 4.2.1 BP神经网络结构 | 第44-45页 |
| 4.2.2 BP学习算法与计算步骤 | 第45-47页 |
| 4.2.3 BP算法的改进 | 第47-49页 |
| 4.3 BP网络中长期水文预报模型的建立 | 第49-52页 |
| 4.3.1 资料准备 | 第49页 |
| 4.3.2 预报因子的筛选 | 第49-51页 |
| 4.3.3 样本的归一化处理 | 第51页 |
| 4.3.4 预报模型评价指标 | 第51-52页 |
| 4.4 模型的模拟与预报结果 | 第52-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 结论与展望 | 第59-61页 |
| 5.1 研究工作总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
