| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 研究问题、研究内容 | 第14-15页 |
| 1.4 主要研究思路与技术路线 | 第15-16页 |
| 1.5 研究重点与难点 | 第16-18页 |
| 1.6 章节安排 | 第18-19页 |
| 第2章 研究区域及数据预处理 | 第19-24页 |
| 2.1 研究区概况与数据来源 | 第19-20页 |
| 2.1.1 研究区概况 | 第19页 |
| 2.1.2 数据来源 | 第19-20页 |
| 2.2 数据预处理 | 第20-23页 |
| 2.2.1 缺失值处理 | 第20-21页 |
| 2.2.2 异常值处理 | 第21-22页 |
| 2.2.3 标准化处理 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 驱动因子相关性与阈值分析 | 第24-34页 |
| 3.1 概述 | 第24页 |
| 3.2 分析方法 | 第24-27页 |
| 3.2.1 变化趋势与倾向率 | 第24-25页 |
| 3.2.2 相关性分析方法 | 第25-26页 |
| 3.2.3 主成分分析降维方法 | 第26-27页 |
| 3.2.4 多项式拟合方法 | 第27页 |
| 3.3 驱动因子相关性分析 | 第27-28页 |
| 3.4 驱动因子阈值分析 | 第28-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 预测模型的构建 | 第34-49页 |
| 4.1 概述 | 第34-35页 |
| 4.2 预测模型 | 第35-39页 |
| 4.2.1 ε-支持向量回归(ε-SVR) | 第35-36页 |
| 4.2.2 主成分分析(PCA) | 第36-37页 |
| 4.2.3 BP人工神经网络(BPANN) | 第37页 |
| 4.2.4 ε-SVR-PCA-BPANN组合预测模型构建 | 第37-39页 |
| 4.3 算法实现与预测结果 | 第39-48页 |
| 4.3.1 湖泊表面水温预测 | 第39-44页 |
| 4.3.2 预测结果可视化分析 | 第44-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 滇池表面水温变化时空过程可视化平台的实现 | 第49-61页 |
| 5.1 概述 | 第49页 |
| 5.2 系统总体设计 | 第49-51页 |
| 5.2.1 系统整体结构 | 第49-50页 |
| 5.2.2 数据库设计与管理 | 第50-51页 |
| 5.3 系统详细设计 | 第51-54页 |
| 5.3.1 基础功能模块 | 第52-53页 |
| 5.3.2 数据服务模块 | 第53页 |
| 5.3.3 时空分析模块 | 第53页 |
| 5.3.4 模型预测模块 | 第53-54页 |
| 5.4 系统实现与功能展示 | 第54-60页 |
| 5.4.1 系统操作界面 | 第54-56页 |
| 5.4.2 数据库管理 | 第56-57页 |
| 5.4.3 核心功能展示 | 第57-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第6章 结论与展望 | 第61-64页 |
| 6.1 结论 | 第61-62页 |
| 6.2 创新点 | 第62页 |
| 6.3 存在的问题与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间发表的学术论文和研究成果 | 第68-69页 |
| 学术论文 | 第68页 |
| 研究成果 | 第68-69页 |
| 致谢 | 第69页 |