| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景和选题意义 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.3 研究内容、技术路线 | 第17-20页 |
| 1.4 研究方法 | 第20页 |
| 1.5 科学问题及创新点 | 第20-22页 |
| 第二章 研究区概况 | 第22-44页 |
| 2.1 地理位置 | 第22页 |
| 2.2 地质地层 | 第22-24页 |
| 2.3 地形地貌 | 第24-27页 |
| 2.4 水文地质条件 | 第27-32页 |
| 2.5 表层岩溶带 | 第32-40页 |
| 2.6 自然气候条件 | 第40-42页 |
| 2.7 社会农业经济概况 | 第42-43页 |
| 2.8 本章小结 | 第43-44页 |
| 第三章 石漠化区地下水资源现状研究 | 第44-64页 |
| 3.1 研究区水资源分布 | 第44-49页 |
| 3.2 研究区水化学特征 | 第49-51页 |
| 3.3 研究区水资源水质现状及污染指标分析 | 第51-56页 |
| 3.4 地下水微生物-毒理指标污染风险因素识别 | 第56-62页 |
| 3.5 本章小结 | 第62-64页 |
| 第四章 石漠化区岩溶地下水微生物-毒理联合响应机制分析 | 第64-106页 |
| 4.1 研究区岩溶地下水微生物-毒理指标背景值 | 第64-65页 |
| 4.2 基于粗糙集理论的微生物-毒理指标影响因素分析 | 第65-73页 |
| 4.3 石漠化区地下水微生物-毒理指标单因素响应分析 | 第73-92页 |
| 4.4 石漠化区地下水微生物-毒理指标主成分成因变化 | 第92-100页 |
| 4.5 本章小结 | 第100-106页 |
| 第五章 石漠化区地下水微生物-毒理指标预测模型 | 第106-132页 |
| 5.1 机器语言学习理论 | 第106-107页 |
| 5.2 支持向量机PSO-SVM粒子群算法 | 第107-111页 |
| 5.3 地下水微生物-毒理指标预测系统建立 | 第111-122页 |
| 5.4 神经网络LM-BPNN算法 | 第122-129页 |
| 5.5 两种算法的预测系统对比 | 第129-130页 |
| 5.6 小结 | 第130-132页 |
| 结论及展望 | 第132-138页 |
| 结论 | 第132-135页 |
| 讨论及研究展望 | 第135-138页 |
| 致谢 | 第138-140页 |
| 参考文献 | 第140-150页 |
| 附录 | 第150-152页 |
| 个人简历、攻读学位期间的研究成果及公开发表的学术论文 | 第152页 |
