| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-13页 |
| ·研究背景与意义 | 第8-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文研究内容与研究目的 | 第11-12页 |
| ·本研究的技术路线 | 第12-13页 |
| 第2章 车尔臣河流域概况 | 第13-21页 |
| ·流域自然地理 | 第13-14页 |
| ·流域气候 | 第14-15页 |
| ·流域水文 | 第15-19页 |
| ·流域社会经济 | 第19-21页 |
| 第3章 基于灰色关联法的流域水面蒸发因素分析 | 第21-33页 |
| ·影响水面蒸发的主要因素 | 第21页 |
| ·灰色关联分析法 | 第21-22页 |
| ·水面蒸发影响因素的灰色关联分析 | 第22-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 非冰期日水面蒸发的 BP 神经网络模型及熵值分析 | 第33-40页 |
| ·神经网络模型 | 第33-35页 |
| ·熵权法 | 第35页 |
| ·模型计算 | 第35-38页 |
| ·本章小结 | 第38-40页 |
| 第5章 基于 Mann-Kendall 与 Spearman's Rho 检验的降水趋势分析 | 第40-46页 |
| ·引言 | 第40页 |
| ·材料与方法 | 第40-41页 |
| ·结果分析 | 第41-44页 |
| ·讨论 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第6章 基于人工神经网络模型的径流量预测 | 第46-54页 |
| ·引言 | 第46页 |
| ·车尔臣河径流系列分析 | 第46-49页 |
| ·BP 神经网络及其改进的 BP 学习算法 | 第49-50页 |
| ·模型应用 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 第7章 结论与展望 | 第54-56页 |
| ·结论 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-63页 |
| 致谢 | 第63-64页 |
| 作者简介 | 第64-65页 |