| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-8页 |
| 插图与附表清单 | 第8-10页 |
| 目录 | 第10-13页 |
| 第1章 绪论 | 第13-19页 |
| ·研究背景与意义 | 第13-14页 |
| ·水质异常检测研究现状 | 第14-17页 |
| ·研究进展 | 第15-16页 |
| ·存在问题 | 第16-17页 |
| ·论文主要研究内容 | 第17-19页 |
| 第2章 基于在线水质参数的水质异常分析研究综述 | 第19-28页 |
| ·水质异常检测的相关概念 | 第19-22页 |
| ·水质异常的定义和分类 | 第19-20页 |
| ·常规参数进行水质异常分析 | 第20-22页 |
| ·基于在线水质参数的水质异常检测研究进展 | 第22-25页 |
| ·基于统计方法的异常检测技术 | 第23页 |
| ·基于机器学习的异常检测技术 | 第23-24页 |
| ·基于聚类的异常检测技术 | 第24-25页 |
| ·水质异常检测方法的性能评价 | 第25-27页 |
| ·ROC曲线的构建 | 第25-26页 |
| ·最佳工作点的选择 | 第26-27页 |
| ·ROC分析的准确性评价指标 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于自优化RBF神经网络的水质预测方法研究 | 第28-46页 |
| ·水质预测方法概述 | 第28-30页 |
| ·基于RBF神经网络的水质预测方法 | 第30-33页 |
| ·RBF神经网络的结构 | 第30-31页 |
| ·RBF神经网络预测模型设计 | 第31-33页 |
| ·基于差分进化算法的自优化RBF神经网络水质预测方法 | 第33-39页 |
| ·差分进化算法概述 | 第33-34页 |
| ·差分进化算法的基本原理 | 第34-37页 |
| ·差分进化算法的差分策略 | 第37页 |
| ·差分进化算法参数的选择 | 第37-38页 |
| ·基于差分进化算法的自优化RBF神经网络预测模型设计 | 第38-39页 |
| ·实验分析 | 第39-44页 |
| ·数据预处理 | 第39-40页 |
| ·预测参数的选择 | 第40-43页 |
| ·预测结果 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第4章 基于预测模型的水质异常检测方法研究 | 第46-63页 |
| ·概述 | 第46-47页 |
| ·基于RBF神经网络预测模型的水质异常检测方法 | 第47-48页 |
| ·水质异常检测方法描述 | 第47页 |
| ·异常阈值的选择 | 第47-48页 |
| ·基于RBF神经网络预测和小波去噪的水质异常检测方法 | 第48-53页 |
| ·小波变换模极大值去噪方法概述 | 第48-49页 |
| ·信号和噪声在小波变换各尺度上的传播特性 | 第49-50页 |
| ·模极大值去噪算法 | 第50-51页 |
| ·去噪算法参数的选择 | 第51-52页 |
| ·改进的水质异常检测方法 | 第52-53页 |
| ·实验分析 | 第53-62页 |
| ·水质异常的模拟 | 第53-55页 |
| ·异常阈值的计算 | 第55页 |
| ·改进前水质异常检测方法的实验结果分析 | 第55-59页 |
| ·改进后水质异常检测方法的实验结果分析 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 用于改进水质异常检测性能的异常分类方法研究 | 第63-78页 |
| ·概述 | 第63-64页 |
| ·聚类分析方法 | 第64-67页 |
| ·常用聚类算法简介 | 第64-65页 |
| ·硬C均值聚类算法 | 第65-66页 |
| ·模糊C均值聚类算法 | 第66-67页 |
| ·基于FCM算法的水质异常分类方法研究 | 第67-72页 |
| ·水质时间序列的模式表示 | 第67-69页 |
| ·水质异常模式知识库的建立 | 第69-70页 |
| ·基于FCM算法的水质异常模式聚类 | 第70-71页 |
| ·基于FCM算法的水质异常分类方法 | 第71-72页 |
| ·实验分析 | 第72-77页 |
| ·本章小结 | 第77-78页 |
| 第6章 总结与展望 | 第78-80页 |
| 参考文献 | 第80-88页 |
| 攻读硕士学位期间参与的科研项目和研究成果 | 第88-89页 |
| 作者简介 | 第89-90页 |
| 附录 | 第90页 |
