基于数据清洗方法的河道水位预测研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究区域概况 | 第11-14页 |
| 1.2.1 自然地理概况 | 第11-12页 |
| 1.2.2 水文气象概况 | 第12-13页 |
| 1.2.3 洪涝灾情概况 | 第13-14页 |
| 1.3 研究现状 | 第14-17页 |
| 1.3.1 洪水预报的研究现状 | 第14-16页 |
| 1.3.2 数据清洗方法的研究现状 | 第16-17页 |
| 1.4 论文研究内容及结构安排 | 第17-20页 |
| 1.4.1 论文研究内容 | 第17-18页 |
| 1.4.2 文章结构安排 | 第18-20页 |
| 第2章 水文模型概述 | 第20-24页 |
| 2.1 水文模型对象分析 | 第20-21页 |
| 2.2 流域拓扑关系 | 第21-23页 |
| 2.2.1 流域拓扑关系中的对象 | 第21-22页 |
| 2.2.2 对象的连接方式 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 基于PSO优化的BP神经网络模型 | 第24-36页 |
| 3.1 BP神经网络理论 | 第24-27页 |
| 3.2 粒子群算法 | 第27-30页 |
| 3.2.1 粒子群算法基本原理 | 第27-28页 |
| 3.2.2 粒子群算法的参数分析 | 第28-30页 |
| 3.3 PSO优化BP神经网络的分析 | 第30-35页 |
| 3.3.1 BP神经网络存在的问题及改进 | 第30-31页 |
| 3.3.2 PSO优化BP神经网络的分析 | 第31-32页 |
| 3.3.3 PSO-BP神经网络算法设计 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 数据清洗方法的研究 | 第36-48页 |
| 4.1 数据来源及误差分析 | 第36-39页 |
| 4.2 数据清洗方法的选择 | 第39-40页 |
| 4.3 异常值的剔除方法 | 第40-41页 |
| 4.4 样本数据异常值处理的流程 | 第41-46页 |
| 4.4.1 测流软件处理数据误差 | 第41页 |
| 4.4.2 异常值的处理方法 | 第41-43页 |
| 4.4.3 样本数据的变换处理 | 第43-44页 |
| 4.4.4 模型样本集的构建 | 第44页 |
| 4.4.5 异常值剔除算例 | 第44-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第5章 基于PSO-BP神经网络水位预测建模 | 第48-56页 |
| 5.1 河段水位预测模型 | 第48-54页 |
| 5.1.1 预报模型类型 | 第48页 |
| 5.1.2 网络主要参数 | 第48-50页 |
| 5.1.3 洪水预报精度评定 | 第50-52页 |
| 5.1.4 仿真结果与分析 | 第52-54页 |
| 5.2 本章小结 | 第54-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 附录A 攻读学位期间发表论文与参加课题 | 第66-68页 |
| 附录B PSO优化BP神经网络主程序 | 第68-70页 |
| 附录C 检验法临界值 | 第70-71页 |
