| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-13页 |
| ·水质预测研究进展 | 第10页 |
| ·水质预测常用方法 | 第10-13页 |
| ·本文研究内容与结构安排 | 第13-16页 |
| ·主要研究工作 | 第13-14页 |
| ·结构安排 | 第14-16页 |
| 第二章 量子粒子群优化算法与支持向量机 | 第16-30页 |
| ·引言 | 第16页 |
| ·量子粒子群优化算法 | 第16-19页 |
| ·粒子群优化算法 | 第16-18页 |
| ·量子粒子群优化(QPSO)算法 | 第18-19页 |
| ·机器学习与统计学理论 | 第19-22页 |
| ·机器学习理论 | 第19-21页 |
| ·统计学理论 | 第21-22页 |
| ·支持向量机 | 第22-29页 |
| ·最优分类超平面 | 第23-24页 |
| ·支持向量机分类 | 第24-25页 |
| ·支持向量回归机 | 第25-27页 |
| ·核函数 | 第27页 |
| ·最小二乘支持向量机 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于复合权值自调整的量子粒子群优化算法(ACWQPSO) | 第30-37页 |
| ·引言 | 第30页 |
| ·算法改进方向 | 第30-31页 |
| ·收缩-扩张系数的选择 | 第30页 |
| ·最优中值位置的评价 | 第30-31页 |
| ·基于复合权值自调整策略的量子粒子群优化算法 | 第31-33页 |
| ·线性递减权值策略 | 第31页 |
| ·基于进化速度-聚集度的动态改变权值策略 | 第31-32页 |
| ·复合权值调整策略 | 第32页 |
| ·ACWQPSO 算法执行流程 | 第32-33页 |
| ·实验仿真及结果分析 | 第33-36页 |
| ·测试函数 | 第33页 |
| ·实验仿真 | 第33-35页 |
| ·结果分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于 Laplace 分布的加权最小二乘支持向量机(LWLS-SVM) | 第37-45页 |
| ·引言 | 第37页 |
| ·加权最小二乘支持向量机 | 第37-39页 |
| ·加权最小二乘向量机原理 | 第37-38页 |
| ·基于 Hampel 函数加权的最小二乘支持向量机 | 第38-39页 |
| ·基于 Laplace 分布的加权最小二乘支持向量机 | 第39-42页 |
| ·Laplace 分布简介 | 第39-41页 |
| ·基于 Laplace 分布的 WLS-SVM | 第41-42页 |
| ·实验仿真及结果分析 | 第42-44页 |
| ·实验仿真 | 第42-43页 |
| ·结果分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 基于 ACWQPSO 的 LWLS-SVM 在水质预测中的应用 | 第45-57页 |
| ·引言 | 第45页 |
| ·水质的重要影响因素 | 第45-47页 |
| ·水温 | 第45-46页 |
| ·pH 值 | 第46页 |
| ·溶解氧 | 第46页 |
| ·亚硝酸盐 | 第46页 |
| ·硝酸盐 | 第46页 |
| ·氨氮 | 第46-47页 |
| ·数据预处理 | 第47-48页 |
| ·基于聚类的水质数据处理 | 第47-48页 |
| ·缺失水质数据处理 | 第48页 |
| ·水质数据的归一化处理 | 第48页 |
| ·水质预测的误差分析 | 第48-50页 |
| ·引起误差的原因 | 第49页 |
| ·误差衡量指标 | 第49-50页 |
| ·基于 ACWQPSO 的 LWLS-SVM 预测模型 | 第50-56页 |
| ·样本集的构造 | 第50-51页 |
| ·LWLS-SVM 参数优化 | 第51-52页 |
| ·水质预测模型 | 第52-53页 |
| ·实验仿真及结果分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·全文总结 | 第57-58页 |
| ·展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第64页 |
