| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 1 绪论 | 第12-24页 |
| ·选题背景与意义 | 第12-13页 |
| ·水文模型不确定性分析研究进展 | 第13-21页 |
| ·水文模型参数优选方法研究现状 | 第13-15页 |
| ·水文模型不确定性来源 | 第15-16页 |
| ·水文模型不确定性研究方法 | 第16-21页 |
| ·本文主要研究内容 | 第21-24页 |
| 2 水文模型模糊多目标SCE-UA参数优选方法 | 第24-45页 |
| ·引言 | 第24-25页 |
| ·水文模型参数模糊多目标SCE-UA优化 | 第25-35页 |
| ·水文模型参数优选过程 | 第25-26页 |
| ·目标函数 | 第26-28页 |
| ·Pareto 解集 | 第28-29页 |
| ·多目标模糊优选 | 第29-31页 |
| ·模糊多目标SCE-UA算法 | 第31-35页 |
| ·应用实例 | 第35-44页 |
| ·新安江模型简介 | 第35-36页 |
| ·工程背景 | 第36-38页 |
| ·应用和结果 | 第38-44页 |
| ·小结 | 第44-45页 |
| 3 三水源新安江模型参数及预报不确定性分析 | 第45-65页 |
| ·引言 | 第45-46页 |
| ·三水源新安江模型异参同效现象 | 第46-47页 |
| ·常用的水文模型不确定性分析方法 | 第47-52页 |
| ·贝叶斯理论基础 | 第47-48页 |
| ·GLUE方法 | 第48-49页 |
| ·BaRE方法 | 第49-50页 |
| ·AM算法 | 第50-52页 |
| ·PAM算法 | 第52-56页 |
| ·PAM算法介绍 | 第52-55页 |
| ·似然函数 | 第55-56页 |
| ·收敛条件 | 第56页 |
| ·实例分析 | 第56-64页 |
| ·线性模型 | 第56-58页 |
| ·三水源新安江模型 | 第58-64页 |
| ·小结 | 第64-65页 |
| 4 基于BP神经网络的贝叶斯概率水文预报模型研究 | 第65-85页 |
| ·引言 | 第65-66页 |
| ·贝叶斯推断理论与方法 | 第66-67页 |
| ·贝叶斯概率水文预报理论 | 第67-72页 |
| ·不确定性分类 | 第67-69页 |
| ·输入不确定性处理 | 第69页 |
| ·水文不确定性处理 | 第69-70页 |
| ·总不确定度积分 | 第70-72页 |
| ·线性一正态模型 | 第72-73页 |
| ·先验分布 | 第72页 |
| ·似然函数 | 第72-73页 |
| ·后验分布 | 第73页 |
| ·流量先验分布及似然函数的BP神经网络模型 | 第73-76页 |
| ·流量先验分布 | 第74-75页 |
| ·流量似然函数 | 第75-76页 |
| ·流量后验分布马尔可夫链蒙特卡罗(MCMC)求解方法 | 第76-77页 |
| ·实例分析 | 第77-84页 |
| ·小结 | 第84-85页 |
| 5 基于Web的洪水预报系统设计与实现 | 第85-110页 |
| ·引言 | 第85-86页 |
| ·基于Web的分布式系统的体系结构 | 第86-89页 |
| ·二层体系结构 | 第86-87页 |
| ·多层体系结构 | 第87-89页 |
| ·应用服务器平台的选择 | 第89页 |
| ·基于Web的洪水预报系统的实现 | 第89-97页 |
| ·系统开发的技术原则 | 第89-90页 |
| ·WFFS总体设计 | 第90-93页 |
| ·水文模型抽象设计 | 第93-95页 |
| ·水文模型参数不确定性分析模块设计 | 第95-96页 |
| ·异常处理 | 第96-97页 |
| ·预报系统数据库设计 | 第97-103页 |
| ·洪水预报系统数据库的特点 | 第97-98页 |
| ·数据库表信息分类 | 第98-99页 |
| ·数据库表结构设计 | 第99-103页 |
| ·数据库系统产品选择 | 第103页 |
| ·应用实例 | 第103-108页 |
| ·小结 | 第108-110页 |
| 6 结论 | 第110-112页 |
| ·全文总结 | 第110-111页 |
| ·展望 | 第111-112页 |
| 参考文献 | 第112-124页 |
| 作者在攻读博士学位期间参加课题和发表学术论文情况 | 第124-126页 |
| 创新点摘要 | 第126-127页 |
| 致谢 | 第127-128页 |
| 大连理工大学学位论文版权使用授权书 | 第128页 |