| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-12页 |
| 第一章 绪论 | 第12-18页 |
| ·引言 | 第12-13页 |
| ·水环境管理的现状、面临的问题 | 第13-15页 |
| ·国内外水环境管理研究现状介绍 | 第13-14页 |
| ·水质管理决策支持面临的问题 | 第14-15页 |
| ·决策支持系统在国内外的应用 | 第15-16页 |
| ·本课题的研究背景及意义 | 第16页 |
| ·本论文的研究内容 | 第16-18页 |
| 第二章 决策支持系统概述 | 第18-26页 |
| ·决策定义及分类 | 第18-19页 |
| ·决策支持系统介绍 | 第19-21页 |
| ·决策支持系统的概念和特征 | 第19-20页 |
| ·决策支持系统结构组成 | 第20-21页 |
| ·DSS的相关技术 | 第21-24页 |
| ·数据仓库(DW，Data Warehouse) | 第21-22页 |
| ·数据挖掘(DM，Data Mining) | 第22-23页 |
| ·联机分析处理(OLAP，On-Line Analytical Process) | 第23-24页 |
| ·地理信息系统(GIS，Geographic Information System) | 第24页 |
| ·DSS的发展趋势 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第三章 基于ANN和AR的水质预测模型研究 | 第26-40页 |
| ·水质预测的基本内容与常用方法 | 第26-27页 |
| ·人工神经网络简介 | 第27-34页 |
| ·人工神经元模型 | 第27-28页 |
| ·人工神经网络模型 | 第28-29页 |
| ·BP神经网络优化算法的比较和选择 | 第29-34页 |
| ·AR模型简介 | 第34-35页 |
| ·基于ANN和AR的时序预测模型 | 第35-39页 |
| ·AR(n)模型 | 第35-36页 |
| ·基于ANN与AR(n)的预测模型构建 | 第36页 |
| ·仿真结果与分析 | 第36-39页 |
| ·小结 | 第39-40页 |
| 第四章 时序数据挖掘在水质预测中的研究 | 第40-50页 |
| ·引言 | 第40页 |
| ·时间序列简介 | 第40-42页 |
| ·时间序列的特点 | 第41页 |
| ·基本概念 | 第41-42页 |
| ·基于趋势结构序列的挖掘技术 | 第42-47页 |
| ·基于趋势结构序列的一步前预技术 | 第42-44页 |
| ·基于趋势结构序列的多步前预技术 | 第44-46页 |
| ·基于趋势结构序列相同的聚类方法 | 第46页 |
| ·挖掘算法 | 第46-47页 |
| ·实例研究 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 系统设计与实现 | 第50-63页 |
| ·UML的建模机制 | 第50-52页 |
| ·概述 | 第50-51页 |
| ·Visio中的UML建模 | 第51-52页 |
| ·应用UML建立系统的设计模型 | 第52-56页 |
| ·系统的实现 | 第56-61页 |
| ·系统的配置和开发技术 | 第56-58页 |
| ·系统的实现和运行 | 第58-61页 |
| ·小结 | 第61-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间发表的论文 | 第70-71页 |
| 独创性声明 | 第71-72页 |
| 致谢 | 第72页 |