| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-26页 |
| ·引言 | 第11-12页 |
| ·数据挖掘技术综述 | 第12-14页 |
| ·数据挖掘概述 | 第12页 |
| ·数据挖掘的步骤 | 第12-13页 |
| ·数据挖掘方法的分类 | 第13-14页 |
| ·水文预报与水库调度 | 第14-16页 |
| ·水文预报模型简介 | 第14-16页 |
| ·水库调度方法简介 | 第16页 |
| ·基于数据挖掘的预报调度方法研究现状 | 第16-21页 |
| ·水文数据挖掘前的数据预处理 | 第17-18页 |
| ·以数据挖掘为基础的水文预报 | 第18-20页 |
| ·时间序列分析 | 第20页 |
| ·水库调度中数据挖掘技术的应用 | 第20-21页 |
| ·现状特点 | 第21页 |
| ·水文预报及水库调度的发展趋势 | 第21-22页 |
| ·本文主要研究内容 | 第22-26页 |
| 2 水文数据仓库及水文数据挖掘体系 | 第26-52页 |
| ·引言 | 第26-27页 |
| ·数据仓库的基本概念 | 第27-33页 |
| ·数据仓库的定义 | 第27-28页 |
| ·关系型数据库与数据仓库的区别 | 第28-29页 |
| ·数据仓库的体系结构 | 第29-30页 |
| ·数据仓库的数据模型 | 第30-33页 |
| ·面向预报调度主题的水文数据仓库 | 第33-41页 |
| ·水文数据仓库建模体系 | 第33-35页 |
| ·面向预报的数据仓库 | 第35-38页 |
| ·面向调度的数据仓库 | 第38-40页 |
| ·面向决策分析的数据仓库 | 第40-41页 |
| ·水文数据挖掘体系模型 | 第41-43页 |
| ·基于大流域或跨流域水文数据仓库的研究实例 | 第43-51页 |
| ·问题描述 | 第43-44页 |
| ·数据模型 | 第44-45页 |
| ·数据管理 | 第45-46页 |
| ·数据分析 | 第46-48页 |
| ·实现途径 | 第48页 |
| ·应用 | 第48-50页 |
| ·分析与结论 | 第50-51页 |
| ·小结 | 第51-52页 |
| 3 基于模糊推理和关联规则分析的河道洪水预报模型 | 第52-73页 |
| ·引言 | 第52-53页 |
| ·河道洪水预报方法 | 第53-54页 |
| ·基于关联规则分析的模糊推理规则确定方法 | 第54-57页 |
| ·模糊推理 | 第54-55页 |
| ·关联规则分析 | 第55-56页 |
| ·基于关联规则分析的模糊推理规则确定方法 | 第56-57页 |
| ·基于模糊推理的河道洪水预报模型 | 第57-64页 |
| ·模型结构 | 第57-59页 |
| ·数据预处理 | 第59-60页 |
| ·推理规则的确定 | 第60-62页 |
| ·规则参数的确定 | 第62-63页 |
| ·模糊推理求解 | 第63页 |
| ·基于成因分析的扩展 | 第63-64页 |
| ·研究实例 | 第64-71页 |
| ·小结 | 第71-73页 |
| 4 基于多目标模糊优选的分类多模型水文组合预报方法 | 第73-88页 |
| ·数据融合概述 | 第73-75页 |
| ·数据融合的概念 | 第73页 |
| ·数据融合的原理 | 第73-74页 |
| ·数据融合的分类 | 第74-75页 |
| ·数据融合的主要技术方法 | 第75页 |
| ·组合预报技术 | 第75-77页 |
| ·组合预报技术 | 第75-76页 |
| ·分类预报技术 | 第76页 |
| ·河道洪水分类组合预报 | 第76-77页 |
| ·多种河道洪水预报模型 | 第77-78页 |
| ·马斯京干法 | 第77页 |
| ·神经网络法 | 第77-78页 |
| ·模糊推理法 | 第78页 |
| ·其它方法 | 第78页 |
| ·多模型组合河道洪水预报 | 第78-81页 |
| ·模型结构 | 第78-79页 |
| ·多目标模糊优选 | 第79-80页 |
| ·预报方案优选 | 第80-81页 |
| ·研究实例 | 第81-87页 |
| ·小结 | 第87-88页 |
| 5 决策树技术在水库调度中的应用研究 | 第88-106页 |
| ·引言 | 第88-89页 |
| ·水库调度 | 第89-93页 |
| ·概述 | 第89-90页 |
| ·水库调度的研究热点 | 第90-92页 |
| ·水库调度存在的问题 | 第92-93页 |
| ·决策树模型 | 第93-94页 |
| ·基于决策树的水库调度模型 | 第94-100页 |
| ·以数据挖掘为基础的水库调度体系 | 第94-95页 |
| ·流域分析及数据预处理 | 第95-98页 |
| ·决策树调度模型结构 | 第98-99页 |
| ·调度规则产生流程 | 第99-100页 |
| ·研究实例 | 第100-105页 |
| ·应用实例 | 第100-103页 |
| ·模型对比 | 第103-105页 |
| ·讨论 | 第105页 |
| ·小结 | 第105-106页 |
| 6 贝叶斯分析在水文组合预报中的应用研究 | 第106-123页 |
| ·引言 | 第106-107页 |
| ·贝叶斯组合预报模型的关键技术 | 第107-111页 |
| ·贝叶斯分析 | 第107-108页 |
| ·马尔科夫蒙特卡洛模拟(MCMC) | 第108-110页 |
| ·随机抽样器 | 第110-111页 |
| ·基于贝叶斯分析的组合预报模型 | 第111-116页 |
| ·模型简介 | 第111-112页 |
| ·模型流程 | 第112-115页 |
| ·模型特点 | 第115-116页 |
| ·实例分析 | 第116-121页 |
| ·小结 | 第121-123页 |
| 7 总结与展望 | 第123-126页 |
| ·总结 | 第123-124页 |
| ·展望 | 第124-126页 |
| 参考文献 | 第126-132页 |
| 创新点摘要 | 第132-133页 |
| 攻读博士学位期间发表学术论文情况 | 第133-134页 |
| 致谢 | 第134-135页 |
| 大连理工大学学位论文版权使用授权书 | 第135页 |