陡河水库入库洪水预报
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国内外洪水预报研究现状 | 第9-10页 |
| 1.2.2 洪水预报模型的发展趋势 | 第10-12页 |
| 1.3 研究内容及技术路线 | 第12-14页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 技术路线 | 第13-14页 |
| 2 流域及水文资料基本情况 | 第14-20页 |
| 2.1 流域概况 | 第14-16页 |
| 2.1.1 河流特征 | 第14页 |
| 2.1.2 地形地貌 | 第14-15页 |
| 2.1.3 水文气象 | 第15页 |
| 2.1.4 流域内人类活动及上游水利工程情况 | 第15页 |
| 2.1.5 防洪现状 | 第15-16页 |
| 2.2 水文资料基本情况及整理 | 第16-20页 |
| 3 基于遗传程序的洪水预报 | 第20-32页 |
| 3.1 遗传程序 | 第20-25页 |
| 3.1.1 遗传程序设计的步骤 | 第20-22页 |
| 3.1.2 基于遗传程序设计的径流预报模型 | 第22-23页 |
| 3.1.3 应用实例 | 第23-25页 |
| 3.2 应用典型洪水预报入库洪水过程 | 第25-31页 |
| 3.2.1 组合预报的方法 | 第25-26页 |
| 3.2.2 实例应用 | 第26-31页 |
| 3.3 本章小结 | 第31-32页 |
| 4 基于神经网络的洪水预报 | 第32-46页 |
| 4.1 人工神经网络概述 | 第32-34页 |
| 4.1.1 发展历程 | 第32-33页 |
| 4.1.2 人工神经元模型 | 第33-34页 |
| 4.2 BP神经网络模型原理 | 第34-37页 |
| 4.2.1 BP神经网络计算 | 第35-37页 |
| 4.3 基于模拟退火算法的BP神经网络预报模型 | 第37-41页 |
| 4.3.1 模拟退火算法的原理 | 第37页 |
| 4.3.2 模拟退火算法的基本方法 | 第37-38页 |
| 4.3.3 基于模拟退火算法的BP神经网络 | 第38-39页 |
| 4.3.4 实例应用 | 第39-41页 |
| 4.4 基于遗传算法的BP神经网络预报模型 | 第41-44页 |
| 4.4.1 遗传算法要素 | 第41-42页 |
| 4.4.2 遗传BP神经网络实现 | 第42-43页 |
| 4.4.3 应用实例 | 第43-44页 |
| 4.5 本章小结 | 第44-46页 |
| 5 预报模型对比优选 | 第46-52页 |
| 5.1 模型性能评价指标 | 第46-47页 |
| 5.1.1 误差指标 | 第46页 |
| 5.1.2 预报精度评定 | 第46-47页 |
| 5.2 模型评价对比 | 第47-50页 |
| 5.2.1 预测径流评价 | 第47-48页 |
| 5.2.2 预测洪峰模型评价 | 第48-50页 |
| 5.3 预报方案的选择 | 第50页 |
| 5.4 本章小结 | 第50-52页 |
| 6 结论与展望 | 第52-54页 |
| 6.1 结论 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 攻读学位期间参加的科研项目及发表的学术论文 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-60页 |
