| 1 绪论 | 第1-11页 |
| ·选题的背景及研究意义 | 第8页 |
| ·课题的目的和任务 | 第8-9页 |
| ·地下水位实时监测和动态预报系统的国内外研究现状 | 第9页 |
| ·论文的主要内容及结构安排 | 第9-11页 |
| 2 煤矿地下水位实时监测和动态预报系统的分析与设计 | 第11-21页 |
| ·系统的硬件构成 | 第11-12页 |
| ·数据流向 | 第12-13页 |
| ·数据库设计 | 第13-16页 |
| ·该系统数据库的主要特点 | 第13-14页 |
| ·该系统的数据表介绍 | 第14-16页 |
| ·软件的功能介绍 | 第16-21页 |
| ·系统的总体功能 | 第17-18页 |
| ·系统的详细功能 | 第18-21页 |
| 3 煤矿地下水位实时监测的设计和实现 | 第21-30页 |
| ·煤矿地下水位监测的方法 | 第21页 |
| ·GSM 的功能和业务 | 第21-22页 |
| ·GSM 短消息在水位监测中的应用和设计 | 第22-24页 |
| ·水位监测系统通信模块的程序设计和实现 | 第24-30页 |
| ·通信控件MSCOMM 的几个重要属性 | 第25页 |
| ·通信子程序的几个重要模块实现 | 第25-30页 |
| 4 基于神经网络的地下水位预报研究 | 第30-47页 |
| ·人工神经网络的应用 | 第30-31页 |
| ·人工神经元模型 | 第31-32页 |
| ·人工神经网络模型 | 第32-33页 |
| ·前馈型神经网络 | 第32-33页 |
| ·反馈型神经网络 | 第33页 |
| ·神经网络的学习方法 | 第33-36页 |
| ·Hebb 学习规则 | 第34页 |
| ·Delta(δ)学习规则 | 第34-35页 |
| ·竞争式学习 | 第35-36页 |
| ·前向网络及其主要算法 | 第36-37页 |
| ·感知器 | 第36页 |
| ·RBF 网络 | 第36-37页 |
| ·煤矿地下水位BP 网络的调整规则及其实现 | 第37-47页 |
| ·误差反向传播神经网络 | 第37-39页 |
| ·BP 网络权值的调整规则 | 第39-41页 |
| ·BP 学习算法的计算步骤 | 第41-42页 |
| ·程序的说明和解释 | 第42-47页 |
| 5 山东兖矿集团南屯煤矿地下水位的预报实验 | 第47-58页 |
| ·研究区域自然地理与水文地质概况 | 第47-48页 |
| ·地形、地貌 | 第47页 |
| ·气象 | 第47页 |
| ·水文 | 第47-48页 |
| ·地下水的补给、径流与排泄条件 | 第48-49页 |
| ·该区地下水的补给条件 | 第48页 |
| ·该区地下水的径流条件 | 第48-49页 |
| ·该区地下水的排泄条件 | 第49页 |
| ·单个影响因素的预报实验 | 第49-51页 |
| ·实验数据的选取 | 第49-50页 |
| ·网络模型的建立 | 第50页 |
| ·网络模型的预报 | 第50-51页 |
| ·预报结果对比 | 第51页 |
| ·多个影响因素的预报实验 | 第51-55页 |
| ·实验总结 | 第55-58页 |
| 6 结论 | 第58-59页 |
| ·论文主要工作和创新点 | 第58页 |
| ·现存研究的若干问题及展望 | 第58-59页 |
| 结束语 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 附录 | 第63-64页 |
| 详细摘要 | 第64-71页 |