| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·水质评价研究现状 | 第10-11页 |
| ·神经网络在水环境研究中的现状 | 第11-13页 |
| ·研究方法概述 | 第13-15页 |
| 第二章 水质评价 | 第15-21页 |
| ·水质评价分类 | 第15页 |
| ·水质评价的过程 | 第15-17页 |
| ·地表水水质评价 | 第17-20页 |
| ·评价参数 | 第17页 |
| ·地表水的评价标准 | 第17页 |
| ·地表水环境质量标准 | 第17-19页 |
| ·传统评价方法 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 小波神经网络与遗传算法的基本理论 | 第21-33页 |
| ·小波神经网络 | 第21-26页 |
| ·小波神经网络的结构 | 第21-22页 |
| ·小波函数 | 第22-24页 |
| ·小波神经网络的算法 | 第24-25页 |
| ·小波神经网络的优点和缺点 | 第25页 |
| ·小波神经网络的应用 | 第25-26页 |
| ·遗传算法 | 第26-32页 |
| ·遗传算法的特点 | 第26-27页 |
| ·遗传算法的操作 | 第27-31页 |
| ·遗传算法的应用 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 传统小波神经网络在水质评价中的应用 | 第33-43页 |
| ·传统小波神经网络的水质评价模型 | 第33-38页 |
| ·小波神经网络水质评价建模 | 第33-35页 |
| ·小波神经网络网络拓扑结构的确定与训练 | 第35-37页 |
| ·与传统评价方法的比较分析 | 第37-38页 |
| ·改进小波神经网络水质评价模型 | 第38-41页 |
| ·改进小波神经网络的算法 | 第38-40页 |
| ·基于自适应动量梯度下降法的水质评价 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第五章 基于自适应遗传算法和小波神经网络的水质评价 | 第43-53页 |
| ·自适应遗传算法 | 第43-46页 |
| ·自适应遗传算法的原理 | 第43-45页 |
| ·自适应遗传算法与小波神经网络的结合 | 第45-46页 |
| ·建立基于AGA-WNN的水质评价模型的方法 | 第46-48页 |
| ·AGA-WNN水质评价结果分析 | 第48-49页 |
| ·创建WNN水质评价GUI | 第49-52页 |
| ·GUI概述 | 第49-50页 |
| ·主界面的设计 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-56页 |
| ·工作总结 | 第53-54页 |
| ·未来展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间的研究成果 | 第60-61页 |