| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 引言 | 第12-13页 |
| 1.2 供水管网建模和需水量预报的研究现状 | 第13-15页 |
| 1.2.1 供水管网建模 | 第13-14页 |
| 1.2.2 需水量预报 | 第14-15页 |
| 1.3 研究目的和意义 | 第15页 |
| 1.4 研究方法和研究内容 | 第15-18页 |
| 第二章 水压传递模型的建立 | 第18-37页 |
| 2.1 水力学模型简介 | 第18-21页 |
| 2.2 基于Pearson相关性分析的供水管网划分 | 第21-25页 |
| 2.2.1 Pearson相关系数 | 第21-22页 |
| 2.2.2 基于Pearson相关性分析的网络划分 | 第22-24页 |
| 2.2.3 基于调度经验信息对网络划分的改进 | 第24-25页 |
| 2.3 水压传递模型的建立和测试 | 第25-29页 |
| 2.3.1 线性回归模型 | 第25-27页 |
| 2.3.2 模型误差评价 | 第27-29页 |
| 2.4 水压传递的人工神经网络模型 | 第29-36页 |
| 2.4.1 人工神经网络概述 | 第29-30页 |
| 2.4.2 标准反向传播算法 | 第30-32页 |
| 2.4.3 实际使用标准反向传播算法时需要考虑的因素 | 第32-35页 |
| 2.4.4 带有动量项的反向传播算法 | 第35页 |
| 2.4.5 人工神经网络应用于水压传递建模 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 水压传递模型的潜在应用及参数灵敏度分析 | 第37-43页 |
| 3.1 水压传递模型的应用 | 第37-40页 |
| 3.1.1 基于模型的水压调节方案 | 第37页 |
| 3.1.2 水压调节方案的数值仿真 | 第37-40页 |
| 3.2 模型结构及参数灵敏度分析 | 第40-42页 |
| 3.2.1 模型参数r_thres | 第40-41页 |
| 3.2.2 模型输入的构造 | 第41-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 用于需水量预报的时间序列分析方法 | 第43-54页 |
| 4.1 需水量数据说明 | 第43-44页 |
| 4.2 线性外推预报 | 第44-45页 |
| 4.3 时间序列分析预报模型 | 第45-51页 |
| 4.3.1 离散傅里叶变换与季节项 | 第45-47页 |
| 4.3.2 星期需水量模式 | 第47页 |
| 4.3.3 自回归模型及偏差项 | 第47-50页 |
| 4.3.4 模型需水量预报结果 | 第50-51页 |
| 4.4 节假日需水量预报 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 用于需水量预报的人工神经网络方法 | 第54-65页 |
| 5.1 多层感知器神经网络方法 | 第54-57页 |
| 5.1.1 自相关函数及其估计 | 第54-56页 |
| 5.1.2 神经网络权值的滚动更新 | 第56页 |
| 5.1.3 对历史需水量输入的灵敏度分析 | 第56-57页 |
| 5.2 动态神经网络方法 | 第57-63页 |
| 5.2.1 动态神经网络介绍 | 第57-60页 |
| 5.2.2 动态的网络训练算法 | 第60-61页 |
| 5.2.3 动态神经网络迭代特性 | 第61-62页 |
| 5.2.4 应用于需水量预报 | 第62-63页 |
| 5.2.5 过拟合问题 | 第63页 |
| 5.3 需水量预报各方法的精度分析 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 结束语 | 第65-67页 |
| 6.1 结论 | 第65页 |
| 6.2 后续研究工作 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间已发表或录用的论文 | 第72页 |
