基于智能计算的降雨径流模拟方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-20页 |
| ·新形势下的水文水资源 | 第9-10页 |
| ·水文模拟所面临的问题 | 第10-14页 |
| ·人的智能的作用 | 第14页 |
| ·人工智能等新兴学科的启示 | 第14-16页 |
| ·人工智能技术在水文学科中的应用 | 第16-18页 |
| ·论文主要研究内容 | 第18-20页 |
| 第二章 智能计算若干基本理论 | 第20-44页 |
| ·神经网络模型与学习算法 | 第20-29页 |
| ·神经元的一般模型 | 第20-21页 |
| ·人工神经网络的特点 | 第21-22页 |
| ·神经网络的学习算法 | 第22-23页 |
| ·BP神经网络 | 第23-25页 |
| ·自组织映射网络 | 第25-29页 |
| ·科荷伦网络拓扑结构 | 第26-28页 |
| ·网络的训练过程 | 第28-29页 |
| ·遗传算法 | 第29-32页 |
| ·遗传算法基本原理 | 第30页 |
| ·遗传算法的主要步骤 | 第30-31页 |
| ·遗传算法的特点 | 第31页 |
| ·遗传编程 | 第31-32页 |
| ·模糊数学 | 第32-42页 |
| ·模糊集合及其隶属度函数 | 第32-33页 |
| ·模糊集合的基本运算 | 第33-34页 |
| ·模糊关系 | 第34-35页 |
| ·模糊关系的合成 | 第35页 |
| ·“如果-则”推理规则 | 第35-37页 |
| ·模糊推理 | 第37-40页 |
| ·模糊C均值方法 | 第40-41页 |
| ·FCM算法的应用 | 第41-42页 |
| ·综合智能系统 | 第42-44页 |
| 第三章 基于智能计算的降雨径流模型研究 | 第44-82页 |
| ·考虑土地覆被的神经网络径流模拟研究 | 第44-49页 |
| ·引言 | 第44-45页 |
| ·流域概况 | 第45-46页 |
| ·模型的结构 | 第46-47页 |
| ·神经网络模型 | 第47页 |
| ·模型评价标准与模拟结果 | 第47-48页 |
| ·小结 | 第48-49页 |
| ·基于分类的降雨径流预报神经网络模型 | 第49-80页 |
| ·引言 | 第49-50页 |
| ·流量的分类(分级) | 第50-51页 |
| ·模式识别的基本问题 | 第51-52页 |
| ·基于聚类分析的模式识别 | 第52-53页 |
| ·分类后建立局部神经网络 | 第53页 |
| ·流域概况 | 第53-54页 |
| ·预报模型研究 | 第54-70页 |
| ·模糊逻辑选择局部模型 | 第70-80页 |
| ·小结 | 第80-82页 |
| 第四章 遗传编程在降雨径流预报中的应用 | 第82-94页 |
| ·引言 | 第82-83页 |
| ·遗传编程的基本原理和方法 | 第83-89页 |
| ·遗传编程的基本思想 | 第83页 |
| ·染色体的表达 | 第83页 |
| ·初始群体的生成 | 第83-84页 |
| ·个体适应度计算 | 第84-85页 |
| ·基本算子 | 第85-88页 |
| ·终止准则 | 第88页 |
| ·结果标定 | 第88页 |
| ·GP求解过程 | 第88页 |
| ·遗传编程的表示方法 | 第88-89页 |
| ·运用遗传编程进行降雨径流模拟 | 第89-93页 |
| ·建立预测模型 | 第90-91页 |
| ·计算结果 | 第91-93页 |
| ·小结 | 第93-94页 |
| 第五章 总结与展望 | 第94-96页 |
| ·总结 | 第94-95页 |
| ·展望 | 第95-96页 |
| 参考文献 | 第96-100页 |
| 读研期间主要成果 | 第100-101页 |
| 后记 | 第101页 |
