| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第1章 绪论 | 第12-31页 |
| ·本文选题目的及意义 | 第12-14页 |
| ·集对分析在水文水资源的研究进展 | 第14-16页 |
| ·最近邻抽样回归在水文水资源的研究进展 | 第16-17页 |
| ·遗传算法在水文水资源的研究进展 | 第17-18页 |
| ·灰色理论在水电资源中的研究进展 | 第18-19页 |
| ·神经网络技术与水文水资源 | 第19-20页 |
| ·Hilbert-Huang 变换与水电科学 | 第20-21页 |
| ·Hilbert-Huang 变换在水文水资源中的研究进展 | 第21-25页 |
| ·研究途径 | 第23页 |
| ·研究的主要内容 | 第23-25页 |
| ·主要技术路线 | 第25-26页 |
| 参考文献 | 第26-31页 |
| 第2章 水电科学中集对分析的应用研究 | 第31-79页 |
| ·引言 | 第31页 |
| ·集对分析方法 | 第31-34页 |
| ·联系度 | 第34-36页 |
| ·联系度μ 中系统理论的信息 | 第34页 |
| ·联系度结构信息的内容 | 第34-36页 |
| ·联系度μ 结构信息的应用 | 第36页 |
| ·水文水资源中的集对分析方法 | 第36-74页 |
| ·水文水资源与集对分析 | 第36-38页 |
| ·集对分析在年径流量同步变化特性研究中的应用研究 | 第38-40页 |
| ·区域地下水资源承载力综合评价的集对分析 | 第40-45页 |
| ·岷江上游生态脆弱性综合评价的集对分析 | 第45-52页 |
| ·水库工程优选方案的集对原理同一度分析法 | 第52-56页 |
| ·基于集对分析的水文预测方法 | 第56-62页 |
| ·基于集对分析的电站效益综合评价 | 第62-74页 |
| 参考文献 | 第74-79页 |
| 第3章 自适应 NNBR-ANN 耦合模型在中长期径流预报中的应用 | 第79-92页 |
| ·引言 | 第79页 |
| ·最近邻抽样回归模型的原理及算法 | 第79-80页 |
| ·人工神经网络模型的原理 | 第80-81页 |
| ·遗传算法的原理 | 第81-82页 |
| ·遗传算法运行过程 | 第82-84页 |
| ·自适应 NNBR-ANN 耦合模型 | 第84-87页 |
| ·耦合模型原理 | 第84-85页 |
| ·耦合模型建模步骤 | 第85-87页 |
| ·基于自适应 NNBR-ANN 耦合模型预测应用 | 第87页 |
| ·基本资料 | 第87页 |
| ·NNBR—ANN 预测模型的建立 | 第87页 |
| ·模型的检验 | 第87页 |
| ·耦合模型与最近邻模型、人工神经网络模型预测结果比较 | 第87-88页 |
| ·结论 | 第88-89页 |
| 参考文献 | 第89-92页 |
| 第4章 自适应对称调和遗传算法在水库调度及负荷预测中的应用 | 第92-115页 |
| ·引言 | 第92页 |
| ·自适应对称调和遗传算法 | 第92-98页 |
| ·模型原理及其建模步骤 | 第93-97页 |
| ·与其它遗传算法关系 | 第97-98页 |
| ·自适应对称调和遗传算法在水库中长期发电调度中的应用 | 第98-103页 |
| ·水库发电最优调度的数学模型 | 第99-101页 |
| ·算法设计 | 第101页 |
| ·计算结果分析 | 第101-103页 |
| ·小结 . | 第103页 |
| ·区域电力负荷预测的自适应 IASAGA-ANN 耦合模型 | 第103-111页 |
| ·引言 | 第103-104页 |
| ·基本资料 | 第104-105页 |
| ·区域电力负荷预测的前馈神经网络—BP 模型 | 第105-106页 |
| ·自适应 IASAGA-ANN 预测模型在年用电量预测中的应用 | 第106-109页 |
| ·IASAGA-ANN 预测模型建立与检验 | 第109-111页 |
| ·小结 . | 第111页 |
| 参考文献 | 第111-115页 |
| 第5章 改进灰色与 BP 网络耦合模型在径流和电量预测中的应用 | 第115-133页 |
| ·引言 . | 第115页 |
| ·灰色模型简介 | 第115-117页 |
| ·神经网络模型简介 | 第117页 |
| ·耦合方式 | 第117-121页 |
| ·两种方法的互补性 | 第117-118页 |
| ·传统的耦合方式 | 第118-119页 |
| ·本文的改进耦合方式 | 第119-121页 |
| ·流域年均径流的改进灰色神经网络分析 | 第121-127页 |
| ·引言 | 第121-122页 |
| ·灰色模型分析 | 第122-123页 |
| ·改进灰色神经网络分析 | 第123-125页 |
| ·灰色模型与改进灰色神经网络模型误差分析 | 第125-126页 |
| ·小结 | 第126-127页 |
| ·改进灰色神经网络模型对城市用电量的预测 | 第127-129页 |
| ·预测方法及预测结果 | 第127-129页 |
| ·小结 | 第129页 |
| 参考文献 | 第129-133页 |
| 第6章基于 hilbert-huang 的径流序列分析 | 第133-151页 |
| ·引言 . | 第133-134页 |
| ·研究方法 | 第134-139页 |
| ·EMD 方法 | 第135-136页 |
| ·希尔伯特-黄变换 | 第136-137页 |
| ·离散瞬时频率的数值计算 | 第137-138页 |
| ·EMD 中数据边界的处理 | 第138-139页 |
| ·基于Hilbert-Huang 变换的黄河天然径流演化分析 | 第139-147页 |
| ·资料来源 | 第140页 |
| ·基于小波变换的黄河中下游天然年径流量分析 | 第140-142页 |
| ·年径流变化的主周期分析 | 第142页 |
| ·基于Hilbert-Huang 变换的黄河中下游天然年径流量分析 | 第142-146页 |
| ·小结 | 第146-147页 |
| 参考文献 | 第147-151页 |
| 第7章 基于多分辨分析的EMD 黄河年径流AR(P)耦合预测模型的应用研究 | 第151-160页 |
| ·引言 | 第151页 |
| ·基于多分辨率分析的EMD 方法 | 第151-153页 |
| ·AR(P)模型 | 第153-154页 |
| ·多分辨率分析的EMD 方法的年径流AR(P)耦合预测模型的建立 | 第154-157页 |
| ·基本资料 | 第154-155页 |
| ·模型的构造 | 第155-157页 |
| ·MEMD 方法AR(P)耦合模型与AR(P)模型、小波耦合模型的比较 | 第157页 |
| ·小结 | 第157-158页 |
| 参考文献 | 第158-160页 |
| 第8章 结论与展望 | 第160-165页 |
| 攻读博士学位期间发表的学术论文 | 第165-168页 |
| 致谢 | 第168页 |
