| 第一章 前言 | 第1-19页 |
| ·课题背景与研究意义 | 第9-10页 |
| ·相关研究的发展现状 | 第10-17页 |
| ·生态环境需水量的概念定义 | 第10-11页 |
| ·研究的尺度与范围 | 第11-12页 |
| ·生态环境需水量研究评价方法以及研究进展 | 第12-13页 |
| ·生态需水量的计算方法 | 第13-17页 |
| ·本文的主要工作 | 第17-19页 |
| 第二章 水色卫星遥感概述 | 第19-34页 |
| ·海洋水色遥感卫星 | 第19页 |
| ·海洋水色卫星遥感的应用 | 第19-20页 |
| ·海洋水色卫星传感器技术指标 | 第20页 |
| ·第二代海色遥感传感器SeaWiFS | 第20-21页 |
| ·初级生产力 | 第21-22页 |
| ·水体类型 | 第22-23页 |
| ·二类水体的水色反演算法 | 第23-34页 |
| ·代数法 | 第23-25页 |
| ·非线性最优化法 | 第25-27页 |
| ·主成分分析法 | 第27-29页 |
| ·人工神经网络方法 | 第29-30页 |
| ·经验算法 | 第30-34页 |
| 第三章 MATLAB与人工神经网络 | 第34-44页 |
| ·人工神经网络概述 | 第34页 |
| ·神经网络基本理论 | 第34-37页 |
| ·基本概念 | 第34-36页 |
| ·神经网络的仿真 | 第36页 |
| ·神经网络的学习与训练 | 第36-37页 |
| ·几种典型的神经网络 | 第37-42页 |
| ·反向传播网络(BP网络) | 第39-40页 |
| ·径向基函数网络 | 第40-42页 |
| ·Matlab神经网络工具箱简介 | 第42-44页 |
| ·神经网络对象 | 第42页 |
| ·数据预处理 | 第42页 |
| ·快速学习算法比较与选择 | 第42-43页 |
| ·BP神经网络泛化能力的提高 | 第43页 |
| ·网络的训练和仿真 | 第43-44页 |
| 第四章 基于神经网络的河口生态环境需水量研究 | 第44-63页 |
| ·资料的选取 | 第44页 |
| ·自适应特征映射神经网络在河口资料聚类分析中的应用 | 第44-50页 |
| ·自组织特征映射网络 | 第44-45页 |
| ·自组织特征映射网络的学习及工作规则 | 第45-47页 |
| ·基于SOM的河口与遥感数据聚类分析 | 第47-50页 |
| ·河口水流量的神经网络预测模型 | 第50-56页 |
| ·样本数据的定义与处理 | 第50-51页 |
| ·两层级联前向BP网络预测模型 | 第51-55页 |
| ·结论 | 第55-56页 |
| ·基于人工神经网络的需水量计算模型 | 第56-63页 |
| ·两级串联神经网络在样本点附近精确逼近中的应用 | 第56-57页 |
| ·需水量模型建立 | 第57-59页 |
| ·所建模型的应用 | 第59-63页 |
| 第五章 软件可视化与模型系统集成探索 | 第63-77页 |
| ·序言 | 第63页 |
| ·IDL6.0与VB6.0的混合编程 | 第63-70页 |
| ·混合编程的实现方案 | 第64-65页 |
| ·具体步骤 | 第65-69页 |
| ·程序输出结果 | 第69页 |
| ·小结 | 第69-70页 |
| ·MATLAB与VB接口以及嵌入式编程设计 | 第70-77页 |
| ·基本思路及实现方法 | 第71-73页 |
| ·编程应用 | 第73-75页 |
| ·程序输出与发布编程应用 | 第75-77页 |
| 第六章 结论与建议 | 第77-79页 |
| ·结论 | 第77页 |
| ·建议 | 第77-78页 |
| ·展望与未来 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 主要符号说明 | 第82-84页 |
| 攻读硕士期间发表论文与参与项目 | 第84-85页 |
| 致谢 | 第85页 |