| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 水文预报概述 | 第7-16页 |
| ·研究背景 | 第7页 |
| ·水文预报的必要性 | 第7-8页 |
| ·国内外水文预报的现状 | 第8-10页 |
| ·水文预报方法研究状况及其发展趋势 | 第10-14页 |
| ·流域水文模型及其应用 | 第10-12页 |
| ·人工神经网络在水文预报中的应用 | 第12-13页 |
| ·遗传算法在水文预报中的应用 | 第13-14页 |
| ·GIS在水文预报中的应用 | 第14页 |
| ·本论文的研究内容 | 第14-15页 |
| ·结构安排 | 第15-16页 |
| 第二章 基于流域的水文预报模型的选择 | 第16-23页 |
| ·流域概况及其资料分析 | 第16-19页 |
| ·流域概况 | 第16-17页 |
| ·水文测站分布 | 第17-18页 |
| ·水文资料分析与整编 | 第18-19页 |
| ·流域特性分析 | 第19页 |
| ·流域产流模型的选择 | 第19-22页 |
| ·产流机制 | 第20-21页 |
| ·蓄满产流模型 | 第21页 |
| ·超渗产流 | 第21-22页 |
| ·产流模型的选择 | 第22页 |
| ·流域汇流模型的选择 | 第22-23页 |
| 第三章 基于人工鱼群优化的支持向量机算法 | 第23-36页 |
| ·AFSVM算法 | 第23-24页 |
| ·人工鱼群算法 | 第24-28页 |
| ·人工鱼群算法的广泛应用 | 第27页 |
| ·人工鱼群算法的特点 | 第27-28页 |
| ·支持向量机基本理论 | 第28-33页 |
| ·支持向量机的特点及不足 | 第30-31页 |
| ·支持向量机的改进算法 | 第31-32页 |
| ·支持向量机的广泛应用 | 第32-33页 |
| ·AFSVM训练算法详述 | 第33-36页 |
| ·核函数的选择 | 第33-34页 |
| ·相关定义 | 第34页 |
| ·算法结构 | 第34-36页 |
| 第四章 基于AFSVM拉萨河流域水文预测系统总体框架 | 第36-42页 |
| ·系统功能结构 | 第36-39页 |
| ·AF_SVM训练机 | 第37-38页 |
| ·SVM预测机 | 第38页 |
| ·数据预处理模块 | 第38页 |
| ·SVM支持向量库 | 第38页 |
| ·事件日志库 | 第38页 |
| ·输出及响应模块 | 第38-39页 |
| ·系统层次结构 | 第39-40页 |
| ·系统的信息流 | 第40-42页 |
| 第五章 基于AFSVM拉萨河流域水文预测系统的原型设计实现 | 第42-50页 |
| ·建立模型思路 | 第42-44页 |
| ·样本的采集和预处理 | 第42-43页 |
| ·模型参数的选择 | 第43-44页 |
| ·开发环境 | 第44页 |
| ·数据库设计 | 第44-45页 |
| ·预测系统实现 | 第45-46页 |
| ·预测系统的评估和检验 | 第46-50页 |
| 第六章 总结和展望 | 第50-52页 |
| ·总结 | 第50页 |
| ·展望 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 致谢 | 第54页 |