| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 水环境质量评价预测的必要性 | 第7页 |
| 1.2 水环境质量评价预测的研究进展 | 第7-9页 |
| 1.2.1 国外水环境质量评价预测的研究进展 | 第7-8页 |
| 1.2.2 国内水环境质量评价预测的研究进展 | 第8-9页 |
| 1.3 水环境质量评价预测的常规方法 | 第9-10页 |
| 1.4 研究目的与意义 | 第10-11页 |
| 1.5 研究内容 | 第11-12页 |
| 第二章 基于补偿模糊神经网络的水质预测模型 | 第12-44页 |
| 2.1 人工神经网络 | 第12-18页 |
| 2.1.1 人工神经网络的定义 | 第12页 |
| 2.1.2 人工神经网络的基本特征 | 第12页 |
| 2.1.3 人工神经网络的研究内容与应用 | 第12-13页 |
| 2.1.4 神经网络模型的结构 | 第13-15页 |
| 2.1.5 人工神经网络的学习方法 | 第15-18页 |
| 2.2 模糊数学 | 第18-25页 |
| 2.2.1 模糊集合的定义 | 第18-19页 |
| 2.2.2 模糊集合的隶属度函数 | 第19页 |
| 2.2.3 模糊关系 | 第19-21页 |
| 2.2.4 模糊逻辑系统 | 第21-25页 |
| 2.3 模糊神经网络 | 第25-27页 |
| 2.3.1 模糊理论与神经网络的结合 | 第25-26页 |
| 2.3.2 传统模糊神经网络 | 第26-27页 |
| 2.3.3 传统模糊神经网络的不足 | 第27页 |
| 2.4 补偿模糊神经网络的研究 | 第27-34页 |
| 2.4.1 模糊神经元 | 第28-30页 |
| 2.4.2 补偿模糊神经网络结构 | 第30-31页 |
| 2.4.3 补偿模糊推理 | 第31-32页 |
| 2.4.4 补偿模糊神经网络的学习算法 | 第32-34页 |
| 2.5 补偿模糊神经网络的性能验证 | 第34-38页 |
| 2.5.1 补偿模糊神经网络模型的建立 | 第35-36页 |
| 2.5.2 两种神经网络性能比较 | 第36-38页 |
| 2.6 补偿模糊神经网络水质预测模型的建立与应用 | 第38-43页 |
| 2.6.1 模型的建立 | 第38-39页 |
| 2.6.2 模型的应用 | 第39-42页 |
| 2.6.3 预测结果与分析 | 第42-43页 |
| 2.7 小结 | 第43-44页 |
| 第三章 基于灰色系统的水质预测模型 | 第44-60页 |
| 3.1 灰色系统理论 | 第44-46页 |
| 3.1.1 灰色系统的基本概念 | 第44页 |
| 3.1.2 灰色系统的基本原理 | 第44-45页 |
| 3.1.3 灰色系统的研究内容 | 第45-46页 |
| 3.2 GM(1，1)灰色模型 | 第46-50页 |
| 3.2.1 GM(1，1)的建模机理 | 第47-50页 |
| 3.2.2 GM(1，1)的建模步骤 | 第50页 |
| 3.3 GM(1，1)模型群法 | 第50-52页 |
| 3.3.1 GM(1，1)原始数据序列的生成 | 第51页 |
| 3.3.2 GM(1，1)动态模型群的建立 | 第51-52页 |
| 3.3.3 预测结果的数据还原处理 | 第52页 |
| 3.4 灰色动态模型群法误差修正及性能验证 | 第52-56页 |
| 3.4.1 原始数据序列的建立 | 第52-53页 |
| 3.4.2 灰色动态模型群计算 | 第53-54页 |
| 3.4.3 误差修正 | 第54页 |
| 3.4.4 预测结果的准确性检验 | 第54-56页 |
| 3.5 灰色动态模型群法在污水处理厂进水水质预测中的应用 | 第56-59页 |
| 3.6 小结 | 第59-60页 |
| 第四章 结论与建议 | 第60-62页 |
| 4.1 结论 | 第60-61页 |
| 4.2 存在的问题及建议 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 发表论文和科研情况说明 | 第66-67页 |
| 致谢 | 第67-68页 |
| 附录 | 第68-70页 |