| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-13页 |
| 第一章 绪论 | 第13-23页 |
| ·研究背景及意义 | 第13-14页 |
| ·河流突发性水污染事件预测预警研究现状 | 第14-19页 |
| ·突发性水污染的水质预测方法研究现状 | 第14-18页 |
| ·水质预警系统研究现状 | 第18-19页 |
| ·本文研究内容 | 第19-23页 |
| 第二章 基于机理模型的突发性水质事故实时预警方法 | 第23-47页 |
| 摘要 | 第23页 |
| ·概述 | 第23-24页 |
| ·基于机理模型的突发性河流水质事故建模 | 第24-32页 |
| ·水质模型简介 | 第24-28页 |
| ·基于圣维南方程的突发性河流水质事故预测模型 | 第28-29页 |
| ·基于Mike的突发性河流水质事故预测模型 | 第29-32页 |
| ·基于机理模型的突发性河流水质事故滚动预警方法 | 第32-40页 |
| ·滚动预警方法概述 | 第32-34页 |
| ·水文预测 | 第34-37页 |
| ·模型的实时校准技术 | 第37-40页 |
| ·实例仿真 | 第40-45页 |
| ·基于圣维南方程的突发性水质事故实例仿真 | 第40-41页 |
| ·基于Mike的突发性水质事故预警实例仿真 | 第41-44页 |
| ·结果讨论 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第三章 基于非机理模型的突发性水质事故实时预警方法 | 第47-70页 |
| 摘要 | 第47页 |
| ·概述 | 第47-48页 |
| ·基于非机理模型的突发性河流水质预测方法 | 第48-62页 |
| ·基于ARMA的河流水质预测模型 | 第48-51页 |
| ·基于神经网络的多监测点水质预测模型 | 第51-57页 |
| ·基于灰色模型的多监测点水质预测模型 | 第57-62页 |
| ·基于组合预测方法的突发性河流水质事故预警方法 | 第62-69页 |
| ·组合预测模型构建方法 | 第62-63页 |
| ·组合预测权值确定方法 | 第63-65页 |
| ·基于组合预测模型的滚动预警方法 | 第65-66页 |
| ·实例仿真 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 第四章 基于JPPF并行计算框架的水质实时预警系统实现 | 第70-93页 |
| 摘要 | 第70页 |
| ·概述 | 第70-75页 |
| ·并行计算框架JPPF简介 | 第75-78页 |
| ·JPPF概述 | 第76-77页 |
| ·JPPF的架构及特性 | 第77-78页 |
| ·基于JPPF的水质并行计算方法研究 | 第78-82页 |
| ·一维水质方程并行算法研究 | 第78-80页 |
| ·并行算法1与算法2运行效率比较 | 第80-82页 |
| ·系统平衡负载及错误恢复性能的验证 | 第82页 |
| ·系统实现 | 第82-89页 |
| ·系统架构 | 第82-85页 |
| ·并行框架与系统的集成 | 第85-86页 |
| ·异步执行任务框架的实现 | 第86-89页 |
| ·计算实例 | 第89-92页 |
| ·系统硬件参数 | 第90页 |
| ·计算实例 | 第90-92页 |
| ·本章小结 | 第92-93页 |
| 第五章 总结与展望 | 第93-95页 |
| 参考文献 | 第95-100页 |
| 作者简历 | 第100页 |