| 中文摘要 | 第4-6页 |
| 英文摘要 | 第6页 |
| 目录 | 第8-12页 |
| 绪言 | 第12-16页 |
| 1 水污染控制规划（WPCP）与人工神经网络（ANN） | 第16-32页 |
| 1．1 水污染控制规划（WPCP） | 第16-22页 |
| 1．1．1 水污染控制规划基本特征 | 第16页 |
| 1．1．2 水污染控制规划内容与过程 | 第16-19页 |
| 1．1．3 近代水污染控制规划主要方法简述 | 第19-22页 |
| 1．2 人工神经网络（ANN）原理概述 | 第22-28页 |
| 1．2．1 人工神经网络基本概念与原理 | 第22-24页 |
| 1．2．2 人工神经网络的架构、运作过程与分类 | 第24-27页 |
| 1．2．3 人工神经网络发展简况与趋势 | 第27-28页 |
| 1．3 神经网络与水质评价及水质模拟结合的优势 | 第28-32页 |
| 1．3．1 水环境的非线性及非确定性特征 | 第28-30页 |
| 1．3．2 神经网络与水质评价及水质模拟结合的优势 | 第30-32页 |
| 2 水质评价方法研究述评 | 第32-41页 |
| 2．1 水质评价概述 | 第32-33页 |
| 2．1．1 水质评价指标 | 第32-33页 |
| 2．1．2 水质评价标准 | 第33页 |
| 2．1．3 水质评价步骤 | 第33页 |
| 2．2 水质评价方法及评价数学模型综述 | 第33-39页 |
| 2．2．1 污染源评价模型 | 第34-35页 |
| 2．2．2 单指数法 | 第35-36页 |
| 2．2．3 分级评分法 | 第36-37页 |
| 2．2．4 函数评价法 | 第37-38页 |
| 2．2．5 概率统计法 | 第38页 |
| 2．2．6 模糊数学、灰色理论及其它方法 | 第38-39页 |
| 2．3 基于ANN的水质评价 | 第39-41页 |
| 3 水质评价Hopfield网络 | 第41-51页 |
| 3．1 Hopfield网络基本原理 | 第41-44页 |
| 3．1．1 离散型Hopfield神经网络的数学基础 | 第41-43页 |
| 3．1．2 离散型Hopfield网络的演算过程 | 第43-44页 |
| 3．2 水质评价Hopfield网络研究 | 第44-49页 |
| 3．2．1 Hopfield网络解自联想问题的分析 | 第44-45页 |
| 3．2．2 水质评价Hopfield网络的架构 | 第45-46页 |
| 3．2．3 网络算法 | 第46-47页 |
| 3．2．4 Hopfield网络实例运算 | 第47-49页 |
| 3．3 对Hopfield网络进一步的探讨 | 第49-50页 |
| 3．4 小结 | 第50-51页 |
| 4 水质评价模糊BP神经网络 | 第51-69页 |
| 4．1 BP（Back—Propagation）网络基本原理 | 第51-56页 |
| 4．1．1 BP神经网络概论 | 第51页 |
| 4．1．2 网络架构 | 第51-52页 |
| 4．1．3 网络的数学描述 | 第52-56页 |
| 4．2 模糊数学基础 | 第56-59页 |
| 4．2．1 模糊集合 | 第56-57页 |
| 4．2．2 模糊集合的基本运算 | 第57-58页 |
| 4．2．3 模糊关系 | 第58-59页 |
| 4．3 模糊系统与神经网络的融合 | 第59-61页 |
| 4．4 水质评价隶属度BP网络研究 | 第61-67页 |
| 4．4．1 水质评价隶属度BP网络的建构 | 第61-62页 |
| 4．4．2 网络的计算格式 | 第62-65页 |
| 4．4．3 运算实例 | 第65-67页 |
| 4．5 小结 | 第67-69页 |
| 5 四种水质评价方法比较研究 | 第69-82页 |
| 5．1 水质评价模糊数学法 | 第69-75页 |
| 5．1．1 水环境质量模糊综合评判模型 | 第69-70页 |
| 5．1．2 水质评价模糊综合指数法的算法 | 第70-72页 |
| 5．1．3 水质评价模糊综合指数法程序框图 | 第72-73页 |
| 5．1．4 模糊综合指数法计算结果 | 第73-75页 |
| 5．2 水质评价灰色聚类法 | 第75-79页 |
| 5．2．1 水质灰色聚类评判模型 | 第75-76页 |
| 5．2．2 水质评价灰色聚类法的算法 | 第76-77页 |
| 5．2．3 水质评价灰色聚类法的程序框图 | 第77页 |
| 5．2．4 灰色聚类法计算结果 | 第77-79页 |
| 5．3 四种评价方法的比较 | 第79-81页 |
| 5．3．1 四种评价方法对同一样本的评价结果 | 第79页 |
| 5．3．2 四种评价方法的综合比较 | 第79-81页 |
| 5．4 小结 | 第81-82页 |
| 6 水质数学模型研究述评 | 第82-91页 |
| 6．1 水质数学模型与应用条件 | 第82-84页 |
| 6．2 水质数学模型研究进展 | 第84-87页 |
| 6．2．1 水质数学模型发展的历史沿革 | 第84-85页 |
| 6．2．2 水质模型的应用研究概况 | 第85-87页 |
| 6．3 水质模型研究的发展趋势 | 第87-91页 |
| 6．3．1 包括水生食物链在内的多介质环境生态综合模型 | 第87-88页 |
| 6．3．2 模型不确定性的研究 | 第88-89页 |
| 6．3．3 水质模型与地理信息系统（GIS）相结合 | 第89页 |
| 6．3．4 与人工神经网络（ANN）相结合 | 第89-91页 |
| 7 人工神经网络BOD-DO耦合水质模拟模型 | 第91-115页 |
| 7．1 氧平衡水质模型 | 第91-95页 |
| 7．1．1 传统氧平衡水质模型的特征分析 | 第91-94页 |
| 7．1．2 BOD—DO模型的不确定性模拟 | 第94-95页 |
| 7．2 BOD—DO耦合人工神经网络水质模拟模型 | 第95-102页 |
| 7．2．1 BOD—DO耦合人工神经网络水质模拟模型的建立 | 第95-99页 |
| 7．2．2 BOD—DO耦合BP网络水质模型的计算格式 | 第99-102页 |
| 7．3 BOD—DO耦合BP网络模型实例研究 | 第102-114页 |
| 7．3．1 实例资料准备 | 第102-108页 |
| 7．3．2 输入样本数据 | 第108-109页 |
| 7．3．3 模型模拟的结果与分析 | 第109-110页 |
| 7．3．4 长江干流重庆段一维水质模型及运算结果 | 第110-111页 |
| 7．3．5 BP网络水质模型与一维水质模型的比较 | 第111-114页 |
| 7．4 小结 | 第114-115页 |
| 8 人工神经网络水质综合模拟模型 | 第115-138页 |
| 8．1 传统的水质综合模拟方法 | 第115-117页 |
| 8．1．1 QUAL—Ⅱ模型水质变量及变量间的相互关系 | 第115-116页 |
| 8．1．2 QUAL—Ⅱ模型的水质方程 | 第116-117页 |
| 8．2 水质综合模拟DBD演算法BP（DBD—BP）网络 | 第117-125页 |
| 8．2．1 水质综合模拟BP网络模型的建构 | 第117-119页 |
| 8．2．2 水质综合模拟DBD—BP实例研究 | 第119-125页 |
| 8．3 水质综合模拟RBF网络模型 | 第125-132页 |
| 8．3．1 径向基函数（RBF）网络基本原理 | 第125-132页 |
| 8．3．2 水质综合模拟RBF网络实例研究 | 第132页 |
| 8．4 模拟结果比较 | 第132-137页 |
| 8．5 小结 | 第137-138页 |
| 9 人工神经网络二维水质模拟模型 | 第138-157页 |
| 9．1 二维水质数学模型 | 第138-142页 |
| 9．1．1 二维对流扩散水质模型的基本表达式 | 第138-140页 |
| 9．1．2 二维对流扩散水质方程的求解 | 第140-142页 |
| 9．2 神经网络二维水质模型 | 第142-156页 |
| 9．2．1 神经网络二维水质模型架构 | 第142-143页 |
| 9．2．2 横向扩散系数神经网络子模型 | 第143-151页 |
| 9．2．3 神经网络二维水质模型实例运算 | 第151-156页 |
| 9．3 小结 | 第156-157页 |
| 10 结论与建议 | 第157-159页 |
| 10．1 结论 | 第157-158页 |
| 10．2 进一步研究的建议 | 第158-159页 |
| 致谢 | 第159-160页 |
| 参考文献 | 第160-171页 |
| 附录： | 第171-174页 |
| 作者在攻读博士学位期间发表的学术论文 | 第171-173页 |
| 作者在攻读博士学位期间参加的科研项目 | 第173-174页 |
