| 1绪论 | 第1-29页 |
| ·选题背景和研究意义 | 第11-12页 |
| ·计算智能的特点和发展概述 | 第12-18页 |
| ·神经网络 | 第13-14页 |
| ·模糊系统 | 第14-15页 |
| ·进化算法 | 第15-16页 |
| ·混合计算智能 | 第16-18页 |
| ·水文水资源系统计算智能研究现状 | 第18-22页 |
| ·水资源系统预测研究现状 | 第19-21页 |
| ·水文水资源评价研究现状 | 第21-22页 |
| ·水文水资源分类识别研究现状 | 第22页 |
| ·水文水资源系统计算智能应用研究中的不足及方向 | 第22-23页 |
| ·本文研究的主要内容 | 第23-29页 |
| 2多指标半结构性模糊分析评价方法在水利工程后评价中的应用 | 第29-44页 |
| ·概述 | 第29页 |
| ·水利水电工程多指标综合评价体系 | 第29-30页 |
| ·多指标半结构性模糊综合评价方法 | 第30-35页 |
| ·定量评价值标 | 第30-31页 |
| ·群决策的定性指标值量化 | 第31-32页 |
| ·综合指标值矩阵与标准指标值矩阵 | 第32-33页 |
| ·指标权重协商统一集结方法 | 第33页 |
| ·专家或评议人权重确定 | 第33-34页 |
| ·计算模糊综合评价矩阵及评价集结 | 第34-35页 |
| ·实例验证 | 第35-42页 |
| ·指标值处理 | 第36-39页 |
| ·指标的权重确定 | 第39-40页 |
| ·确定各评价人的权重，并计算最后评价结果 | 第40-42页 |
| ·小结 | 第42-44页 |
| 3模糊优选BP神经网络评价模型及在区域水资源系统可持续发展评价中的应用 | 第44-59页 |
| ·概述 | 第44-45页 |
| ·BP人工神经网络 | 第45页 |
| ·人工神经网络综合评价机理 | 第45-48页 |
| ·模糊优选神经网络评价模型 | 第48-50页 |
| ·模型结构 | 第48-49页 |
| ·模糊优选BP神经网络评价步骤 | 第49-50页 |
| ·区域水资源系统可持续发展评价 | 第50-53页 |
| ·区域水资源系统可持续发展评价指标体系 | 第51页 |
| ·量化评价方法 | 第51-53页 |
| ·算例分析 | 第53-56页 |
| ·小结 | 第56-59页 |
| 4自组织模糊聚类神经网络及在水资源丰富度评价中的应用 | 第59-74页 |
| ·概述 | 第59-60页 |
| ·Kohonen神经网络及ART自适应谐振理论 | 第60-62页 |
| ·Kohonen神经网络 | 第60-61页 |
| ·ART自适应谐振理论 | 第61-62页 |
| ·基于模糊集理论的自组织模糊聚类神经网络 | 第62-66页 |
| ·自组织模糊聚类神经网络模型 | 第63-65页 |
| ·算法实现 | 第65-66页 |
| ·水资源丰富度评价 | 第66页 |
| ·算例分析 | 第66-70页 |
| ·小结 | 第70-74页 |
| 5基于支持向量机(SVM)的水文预测方法 | 第74-97页 |
| ·概述 | 第74-75页 |
| ·支持向量机理论 | 第75-79页 |
| ·统计学习理论 | 第75-76页 |
| ·支持向量机 | 第76-79页 |
| ·基于支持向量机(SVM)的回归预测方法 | 第79-84页 |
| ·主成因分析确定预测因子 | 第79页 |
| ·运用支持向量机(SVM)建立径流回归预测模型 | 第79-81页 |
| ·核函数选择 | 第81页 |
| ·一种基于模糊模式识别理论的核函数 | 第81-84页 |
| ·过程步骤 | 第84页 |
| ·算例分析 | 第84-94页 |
| ·小节 | 第94-97页 |
| 6基于地理信息系统(GIS)的流域面雨量智能预测方法 | 第97-113页 |
| ·概述 | 第97-98页 |
| ·地理信息系统(GIS)空间分析与计算智能的结合 | 第98-100页 |
| ·规则格网数字地面模型 | 第98页 |
| ·地理信息系统空间分析 | 第98-99页 |
| ·地理信息系统(GIS)空间分析与计算智能的结合 | 第99-100页 |
| ·基于地理信息系统的流域面雨量智能预测模型与方法 | 第100-104页 |
| ·空间分析计算流域面雨量 | 第101-102页 |
| ·模糊优选神经网络 | 第102页 |
| ·结合GIS的流域面雨量智能预测方法 | 第102-104页 |
| ·实例验证 | 第104-106页 |
| ·基于GIS的面雨量计算方法可行性检验 | 第106-109页 |
| ·小结 | 第109-113页 |
| 7结论与展望 | 第113-116页 |
| ·全文总结 | 第113-114页 |
| ·展望 | 第114-116页 |
| 创新点摘要 | 第116-118页 |
| 作者在博士生期间参加课题及合作完成论文 | 第118-119页 |
| 致谢 | 第119-120页 |
