| 第一章 绪论 | 第1-29页 |
| 1．1 城市化引发的水问题 | 第11-15页 |
| 1．1．1 城市化导致城市洪水灾害加剧 | 第11-14页 |
| 1．1．2 城市化引发的水资源危机 | 第14-15页 |
| 1．2 城市防洪与供水中的模糊性及其研究现状 | 第15-21页 |
| 1．2．1 城市防洪与供水的模糊性分析 | 第15-16页 |
| 1．2．2 研究现状综述 | 第16-21页 |
| 1．3 本论文主要研究内容及其意义 | 第21-23页 |
| 参考文献 | 第23-29页 |
| 第二章 基于指标相关性分析的多目标决策模糊优选模型 | 第29-41页 |
| 2．1 概述 | 第29-32页 |
| 2．1．1 多目标决策的特点 | 第29-30页 |
| 2．1．2 多目标决策模糊优选模型 | 第30-32页 |
| 2．2 指标相关性分析 | 第32-36页 |
| 2．2．1 多目标系统的矢量表示 | 第32-33页 |
| 2．2．2 指标相关系数矩阵 | 第33-34页 |
| 2．2．3 指标权重的两个特例公式 | 第34-36页 |
| 2．2．4 基于语气算子的Delphi法确定指标相关系数矩阵 | 第36页 |
| 2．3 基于指标相关性分析的多目标决策模糊优选模型 | 第36-39页 |
| 2．3．1 评价目标 | 第36-37页 |
| 2．3．2 权重集合 | 第37页 |
| 2．3．3 决策相对优属度 | 第37-39页 |
| 2．4 小结 | 第39-40页 |
| 参考文献 | 第40-41页 |
| 第三章 城市防洪标准优选方法研究及应用 | 第41-59页 |
| 3．1 概述 | 第41-43页 |
| 3．1．1 城市防洪标准的涵义 | 第41-42页 |
| 3．1．2 城市防洪标准发展趋势 | 第42-43页 |
| 3．2 建立城市防洪标准多目标多因素评价体系 | 第43-45页 |
| 3．2．1 政治效果方面的评价指标 | 第43-44页 |
| 3．2．2 社会效果方面的评价指标 | 第44页 |
| 3．2．3 经济效果方面的评价指标 | 第44-45页 |
| 3．2．4 生态环境方面的评价指标 | 第45页 |
| 3．3 基于指标相关性分析的城市防洪标准模糊优选模型 | 第45-46页 |
| 3．3．1 评价目标 | 第45页 |
| 3．3．2 决策相对优属度 | 第45页 |
| 3．3．3 权重集合 | 第45-46页 |
| 3．3．4 模糊优选模型 | 第46页 |
| 3．4 基于模糊层次综合评价法的城市防洪标准评价模型 | 第46-48页 |
| 3．4．1 建立多层次多因素评价体系 | 第46页 |
| 3．4．2 建立（决策）评语集 | 第46页 |
| 3．4．3 建立单因素评判矩阵 | 第46-47页 |
| 3．4．4 确定各因素的权重 | 第47-48页 |
| 3．4．5 进行模糊层次综合评价 | 第48页 |
| 3．5 应用算例 | 第48-57页 |
| 3．5．1 基本资料 | 第48-50页 |
| 3．5．2 建立多目标多因素评价体系 | 第50页 |
| 3．5．3 确定隶属度矩阵 | 第50-51页 |
| 3．5．4 确定指标权重 | 第51-55页 |
| 3．5．5 选择城市防洪标准最优方案 | 第55-57页 |
| 3．6 小结 | 第57-58页 |
| 参考文献 | 第58-59页 |
| 第四章 基于GIS的城市雨洪预报模型研究 | 第59-70页 |
| 4．1 问题的提出 | 第59页 |
| 4．2 城市雨洪数学模型 | 第59-61页 |
| 4．2．1 地面产流计算 | 第60页 |
| 4．2．2 表面径流计算 | 第60-61页 |
| 4．3 基于GIS的城市雨洪预报模型设计 | 第61-65页 |
| 4．3．1 地理信息系统（GIS）概述 | 第61页 |
| 4．3．2 基于GIS的城市雨洪预报模型的特点 | 第61-62页 |
| 4．3．3 基于GIS的城市雨洪预报模型设计 | 第62-65页 |
| 4．4 模型检验 | 第65-67页 |
| 4．5 小结 | 第67-69页 |
| 参考文献 | 第69-70页 |
| 第五章 基于遗传和BP混合算法的神经网络预报模型及其应用 | 第70-85页 |
| 5．1 人工神经网络模型概述 | 第70-71页 |
| 5．2 模糊模式识别神经网络预报模型的建立 | 第71-77页 |
| 5．2．1 模糊集理论与人工神经网络理论的关系概述 | 第71-72页 |
| 5．2．2 模糊模式识别神经网络预报模型 | 第72-77页 |
| 5．3 模糊模式识别神经网络预测模型的遗传学习和权重调整BP混合算法 | 第77-79页 |
| 5．3．1 模糊模式识别神经网络预测模型权重调整BP模型 | 第77-78页 |
| 5．3．2 遗传学习算法 | 第78-79页 |
| 5．3．3 模糊模式识别神经网络预测模型的遗传学习和权重调整BP混合算法 | 第79页 |
| 5．4 年径流量预报实例 | 第79-82页 |
| 5．5 小结 | 第82-84页 |
| 参考文献 | 第84-85页 |
| 第六章 动态控制汛限水位模糊决策模型及其应用 | 第85-103页 |
| 6．1 问题的提出 | 第85-86页 |
| 6．2 动态控制汛限水位模糊决策分析模型 | 第86-90页 |
| 6．2．1 动态控制汛限水位模糊决策分析模型的目标函数 | 第86页 |
| 6．2．2 基于语气算子的风险偏好描述及目标权重确定 | 第86-88页 |
| 6．2．3 决策相对优属度 | 第88-90页 |
| 6．3 动态控制讯限水位效益分析 | 第90-92页 |
| 6．3．1 考虑风险影响的期望供水量计算方法 | 第90-92页 |
| 6．3．2 基于后汛期来水量概率分布特点确定后汛期汛限水位期望值 | 第92页 |
| 6．4 动态控制汛限水位风险分析 | 第92-93页 |
| 6．4．1 汛期内某一动态控制汛限水位的风险率计算方法 | 第92页 |
| 6．4．2 汛期动态控制汛限水位风险水平的定量描述 | 第92-93页 |
| 6．5 动态控制汛限水位实例 | 第93-101页 |
| 6．5．1 碧流河水库基本情况概述 | 第93-94页 |
| 6．5．2 确定隶属度矩阵 | 第94-100页 |
| 6．5．3 方案优选 | 第100-101页 |
| 6．6 小结 | 第101-102页 |
| 参考文献 | 第102-103页 |
| 第七章 总结与展望 | 第103-106页 |
| 7．1 全文总结 | 第103-104页 |
| 7．2 展望 | 第104-106页 |
| 创新点摘要 | 第106-107页 |
| 作者在博士生期间参加课题和完成论文 | 第107-108页 |
| 致谢 | 第108-109页 |
