| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-15页 |
| ·课题的背景和意义 | 第7-8页 |
| ·地理信息系统(GIS) | 第8-10页 |
| ·地理信息系统的的概念 | 第8页 |
| ·GIS的发展现状 | 第8-9页 |
| ·GIS与水质模型的结合 | 第9-10页 |
| ·决策支持系统 | 第10-14页 |
| ·决策 | 第10-12页 |
| ·决策支持系统(DSS) | 第12-14页 |
| ·本文的研究内容 | 第14-15页 |
| 第二章 结合标准分级法和改进的BP神经网络的水质评价模型研究 | 第15-34页 |
| ·水质评价的标准 | 第15-16页 |
| ·水质评价的目标和步骤 | 第16页 |
| ·水质评价方法及评价模型 | 第16-20页 |
| ·单指数法 | 第16-17页 |
| ·分级评分法 | 第17页 |
| ·模糊集理论方法 | 第17-18页 |
| ·灰色系统理论方法 | 第18页 |
| ·人工神经网络模型 | 第18-20页 |
| ·标准分级法和改进的BP神经网络相结合的水质评价模型 | 第20-27页 |
| ·标准分级法 | 第20-21页 |
| ·BP神经网络 | 第21-25页 |
| ·BP算法存在的问题 | 第25-26页 |
| ·标准分级法和改进的BP神经网络相结合的模型 | 第26-27页 |
| ·标准分级法和改进的BP神经网络相结合的模型在湘江长沙段水质评价中的应用 | 第27-33页 |
| ·网络结构的确定 | 第27-28页 |
| ·样本数据的选择和处理 | 第28-30页 |
| ·网络的离线训练 | 第30-32页 |
| ·标准分级法与改进的BP神经网络结合用于水质评价的优点 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第三章 基于决策树分类的水质预测模型研究 | 第34-54页 |
| ·地表水质模型的分类 | 第34-36页 |
| ·几种主要的地表水质预测模型 | 第36-40页 |
| ·水质预测数学模型 | 第36-39页 |
| ·水质预测智能模型 | 第39-40页 |
| ·基于数据挖掘中决策树分类技术的水质预测模型 | 第40-46页 |
| ·决策树分类模型 | 第40-42页 |
| ·决策树分类方法的应用现状 | 第42-43页 |
| ·ID3算法及其优缺点 | 第43-45页 |
| ·用标准差贡献率改进的ID3算法 | 第45-46页 |
| ·改进的ID3算法在水质预测中的应用 | 第46-53页 |
| ·数据准备 | 第46-47页 |
| ·建立决策树 | 第47-51页 |
| ·决策树剪枝 | 第51-52页 |
| ·从决策树中提取规则 | 第52-53页 |
| ·改进前后 ID3模型的比较 | 第53页 |
| ·小结 | 第53-54页 |
| 第四章 基于 GIS的水污染控制决策支持系统的设计和实现 | 第54-72页 |
| ·系统的结构和功能设计 | 第54-56页 |
| ·数据库的设计 | 第56-62页 |
| ·属性数据库的设计 | 第56-59页 |
| ·空间数据库的设计 | 第59-61页 |
| ·属性数据和空间数据的连接 | 第61-62页 |
| ·模型库的设计 | 第62-64页 |
| ·模型库 | 第62页 |
| ·模型字典 | 第62-63页 |
| ·内部数据库 | 第63页 |
| ·模型的存储 | 第63-64页 |
| ·系统的可视化界面及功能实现 | 第64-71页 |
| ·可视化界面 | 第64页 |
| ·系统的功能及模型实现 | 第64-71页 |
| ·小结 | 第71-72页 |
| 第五章 总结与展望 | 第72-74页 |
| ·总结 | 第72-73页 |
| ·展望 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间主要的研究成果 | 第81页 |
