| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 水质预警与应急监测研究现状 | 第14-20页 |
| 1.2.1 水质预警参数 | 第14-16页 |
| 1.2.2 水质预警系统研究现状 | 第16-18页 |
| 1.2.3 水质应急监测研究现状 | 第18-19页 |
| 1.2.4 存在的问题 | 第19-20页 |
| 1.3 本文主要研究内容和组织结构 | 第20-22页 |
| 1.4 本章小结 | 第22-23页 |
| 第二章 基于常规水质参数进行污染物浓度定量评估的可行性研究 | 第23-44页 |
| 2.1 水质时序数据分析 | 第23-26页 |
| 2.2 污染物引起水质参数的相关响应研究 | 第26-31页 |
| 2.2.1 实验方案设计 | 第27-29页 |
| 2.2.2 相关响应分析 | 第29-31页 |
| 2.3 离线实验的污染物浓度定量评估 | 第31-43页 |
| 2.3.1 离线实验设计与数据 | 第33-39页 |
| 2.3.2 离线条件下基于线性回归模型的污染物浓度定量分析 | 第39-43页 |
| 2.4 本章小结 | 第43-44页 |
| 第三章 基于D-S证据融合方法的污染物浓度在线定量评估 | 第44-58页 |
| 3.1 D-S证据理论基础 | 第45-47页 |
| 3.2 基于D-S证据理论的污染物浓度在线定量评估方法 | 第47-52页 |
| 3.2.1 基本概率分配函数 | 第47-49页 |
| 3.2.2 冲突证据的处理 | 第49-51页 |
| 3.2.3 基于D-S证据理论的污染物浓度定量评估流程 | 第51-52页 |
| 3.3 定量评估结果与分析 | 第52-57页 |
| 3.3.1 识别框架中相对响应量的求取 | 第52-54页 |
| 3.3.2 水质指标与污染物浓度相关性的计算 | 第54页 |
| 3.3.3 待测水质样本相对响应量的计算 | 第54-55页 |
| 3.3.4 D-S证据融合的在线污染物浓度定量评估效果 | 第55-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第四章 基于最小二乘支持向量机的污染物浓度在线定量评估 | 第58-67页 |
| 4.1 存在的问题 | 第58-59页 |
| 4.2 基于LS-SVM的污染物浓度在线定量评估方法 | 第59-63页 |
| 4.2.1 LS-SVM基本原理 | 第59-61页 |
| 4.2.2 核函数的选取 | 第61页 |
| 4.2.3 超参数的优化 | 第61-62页 |
| 4.2.4 模型校验方法 | 第62页 |
| 4.2.5 基于LS-SVM的污染物浓度在线定量评估流程 | 第62-63页 |
| 4.3 定量评估结果与分析 | 第63-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第五章 污染物在线定量评估方法鲁棒性和边界问题的研究 | 第67-78页 |
| 5.1 扰动信号的确定 | 第67-68页 |
| 5.2 微小扰动情况下的鲁棒性分析 | 第68-72页 |
| 5.3 扰动引起证据冲突情况下的鲁棒性分析 | 第72-75页 |
| 5.4 污染物浓度定量评估算法的边界问题 | 第75-76页 |
| 5.5 本章小结 | 第76-78页 |
| 第六章 论文工作总结和展望 | 第78-80页 |
| 6.1 工作总结 | 第78-79页 |
| 6.2 展望 | 第79-80页 |
| 参考文献 | 第80-85页 |
| 致谢 | 第85-86页 |
| 个人简历 | 第86-87页 |
| 攻读学位期间录用的学术论文与取得的其它研究成果 | 第87页 |
| 攻读硕士学位期间录用的论文 | 第87页 |
| 攻读硕士学位期间参与的项目 | 第87页 |
