水环境预测模型的开发及应用研究--以青衣江流域雅安段为例
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 1 绪论 | 第11-26页 |
| ·本课题研究背景及意义 | 第11页 |
| ·水质模型的概述 | 第11-14页 |
| ·水质模型的概念及其意义 | 第11页 |
| ·水质模型的发展历程 | 第11-14页 |
| ·几种主要的水质模型 | 第14-20页 |
| ·确定性水质模型 | 第14-18页 |
| ·QUAL水质模型的研究 | 第14-15页 |
| ·WASP模型的研究 | 第15-16页 |
| ·MIKE模型的研究 | 第16页 |
| ·非点源污染模型的研究 | 第16-17页 |
| ·SWMM模型 | 第17页 |
| ·HSPF模型 | 第17-18页 |
| ·SWAT模型 | 第18页 |
| ·不确定性水质模型 | 第18-20页 |
| ·马尔可夫模型 | 第18-19页 |
| ·灰色模型 | 第19页 |
| ·人工神经网络模型 | 第19-20页 |
| ·层次分析模型 | 第20页 |
| ·水质模型的应用 | 第20-22页 |
| ·污染物行为的模拟和预测 | 第20-21页 |
| ·水质管理规划与评价 | 第21页 |
| ·水环境容量计算 | 第21-22页 |
| ·水质预警预报 | 第22页 |
| ·水质模型的发展趋势 | 第22-24页 |
| ·新模型的开发 | 第22页 |
| ·不确定性水质模型的研究 | 第22-23页 |
| ·多介质环境生态综合模型 | 第23页 |
| ·地下水与地表水转换的水质模型 | 第23页 |
| ·水质模型与“3S”技术的结合 | 第23页 |
| ·人工智能和水质模型的结合 | 第23页 |
| ·水质模型结合虚拟现实技术的研究 | 第23-24页 |
| ·研究的主要内容和技术路线 | 第24-26页 |
| ·研究的技术路线 | 第24-25页 |
| ·研究的主要内容 | 第25-26页 |
| 2 主要运用的基本原理及其建模步骤 | 第26-34页 |
| ·建模思路 | 第26-27页 |
| ·灰色模型 | 第27-28页 |
| ·GM(1,1)模型 | 第27页 |
| ·GM(1,1)模型建模步骤 | 第27-28页 |
| ·自回归滑动平均模型 | 第28-32页 |
| ·ARMA模型 | 第28-29页 |
| ·ARMA模型的建模步骤 | 第29-32页 |
| ·人工神经网络模型 | 第32-34页 |
| 3 青衣江流域雅安段水环境预测模型的研究 | 第34-71页 |
| ·研究的区域概况 | 第34-35页 |
| ·青衣江流域水系简介 | 第34-35页 |
| ·青衣江流域雅安段概况 | 第35页 |
| ·研究的数据来源 | 第35-36页 |
| ·水环境预测模型的构建 | 第36页 |
| ·模型的假设 | 第36页 |
| ·模型的建立 | 第36页 |
| ·干流断面预测模型的分析及评价 | 第36-58页 |
| ·预测模型的分析 | 第39-56页 |
| ·pH预测模型的分析 | 第39页 |
| ·溶解氧预测模型的分析 | 第39-42页 |
| ·氨氮预测模型的分析 | 第42-44页 |
| ·高锰酸盐指数预测模型的分析 | 第44-46页 |
| ·总氮预测模型的分析 | 第46-48页 |
| ·总磷预测模型的分析 | 第48-50页 |
| ·氟化物预测模型的分析 | 第50-52页 |
| ·粪大肠杆菌预测模型的分析 | 第52-54页 |
| ·石油类预测模型的分析 | 第54-56页 |
| ·预测模型的评价 | 第56-58页 |
| ·龟都府断面预测模型精度评价 | 第56-57页 |
| ·水冲坝断面预测模型精度评价 | 第57-58页 |
| ·青衣江支流断面水环境预测模型的分析及评价 | 第58-71页 |
| ·预测模型的分析 | 第58-66页 |
| ·pH预测模型的分析 | 第58-60页 |
| ·溶解氧预测模型的分析 | 第60-62页 |
| ·氨氮预测模型的分析 | 第62-64页 |
| ·高锰酸盐指数预测模型的分析 | 第64-66页 |
| ·预测模型的评价 | 第66-71页 |
| ·pH预测模型的评价 | 第66-67页 |
| ·溶解氧预测模型的评价 | 第67-68页 |
| ·氨氮预测模型的评价 | 第68-69页 |
| ·高锰酸盐指数预测模型的评价 | 第69-71页 |
| 4 GM(1,1)水质预测模型与其他方法的比较 | 第71-91页 |
| ·ARMA 模型 | 第71-81页 |
| ·ARMA模型的建立 | 第71-78页 |
| ·数据的平稳化分析及处理 | 第71-73页 |
| ·模型的估计 | 第73-74页 |
| ·模型的建立 | 第74页 |
| ·模型的诊断及检验 | 第74-78页 |
| ·ARMA模型的分析 | 第78-79页 |
| ·模型预测结果分析 | 第78-79页 |
| ·预测模型残差分析 | 第79页 |
| ·ARMA模型的评价 | 第79-81页 |
| ·人工神经网络模型 | 第81-86页 |
| ·人工神经网络模型的建立 | 第81-84页 |
| ·数据的处理 | 第81页 |
| ·网络结构设计 | 第81-82页 |
| ·网络训练 | 第82页 |
| ·网络学习 | 第82-84页 |
| ·模型的仿真 | 第84页 |
| ·模型的分析 | 第84-85页 |
| ·模型的评价 | 第85-86页 |
| ·三种预测模型精度比较 | 第86-91页 |
| 5 结论 | 第91-93页 |
| 6 问题及展望 | 第93-94页 |
| ·存在的问题 | 第93页 |
| ·展望 | 第93-94页 |
| 致谢 | 第94-95页 |
| 参考文献 | 第95-100页 |
| 附录 | 第100-107页 |
| 研究生期间获奖情况 | 第107页 |
