基于ANN和SVM的三峡水库香溪河库湾富营养化预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-27页 |
| ·研究背景及意义 | 第10-11页 |
| ·水体富营养化 | 第11-17页 |
| ·水体富营养化的概念 | 第11页 |
| ·水体富营养化的成因 | 第11-12页 |
| ·水体富营养化治理及生态恢复 | 第12-17页 |
| ·水体富营养化预测 | 第17-24页 |
| ·富营养化预测方法 | 第17-19页 |
| ·智能算法在富营养化预测中的研究现状 | 第19-24页 |
| ·课题提出及本文研究工作 | 第24-27页 |
| ·课题的提出 | 第24页 |
| ·研究内容 | 第24-25页 |
| ·技术路线 | 第25-27页 |
| 2 三峡水库香溪河库湾富营养化特征 | 第27-48页 |
| ·香溪河库湾概述 | 第27-29页 |
| ·香溪河自然地理特征 | 第27-28页 |
| ·香溪河水文气象特征 | 第28页 |
| ·香溪河污染概况 | 第28-29页 |
| ·研究方法 | 第29-31页 |
| ·采样点设置 | 第29-31页 |
| ·监测指标与方法 | 第31页 |
| ·香溪河库湾富营养化状况 | 第31-39页 |
| ·水温、电导率和DO | 第31-33页 |
| ·N、P、Si营养盐 | 第33-35页 |
| ·真光层、混合层及比值 | 第35-38页 |
| ·叶绿素a | 第38-39页 |
| ·富营养化主控因子选择 | 第39-47页 |
| ·主成分分析过程及结果 | 第40-44页 |
| ·指标聚类分析过程及结果 | 第44-45页 |
| ·灰色关联分析过程及结果 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 3 BP 神经网络在香溪河富营养化预测中的应用 | 第48-67页 |
| ·人工神经网络的基本理论 | 第48-50页 |
| ·人工神经元模型 | 第49页 |
| ·人工神经网络结构 | 第49-50页 |
| ·BP 神经网络算法 | 第50-54页 |
| ·BP 神经网络概述 | 第50-51页 |
| ·BP 神经网络原理 | 第51-54页 |
| ·BP 神经网络的不足 | 第54页 |
| ·遗传算法基本理论 | 第54-58页 |
| ·遗传算法的基本遗传算子 | 第55-56页 |
| ·标准遗传算法运算过程 | 第56-57页 |
| ·遗传算法的特点 | 第57-58页 |
| ·基于GA-BP 的富营养化预测建模 | 第58-66页 |
| ·建模方法及步骤 | 第58-59页 |
| ·BP 神经网络拓扑结构 | 第59-61页 |
| ·样本预处理 | 第61页 |
| ·GA-BP 模型参数设置 | 第61-62页 |
| ·GA-BP 预测模型训练 | 第62-65页 |
| ·预测结果及分析 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 4 支持向量机在香溪河富营养化预测中的应用. | 第67-82页 |
| ·支持向量机的基本理论 | 第67-73页 |
| ·支持向量机算法 | 第67-70页 |
| ·支持向量机回归算法 | 第70-73页 |
| ·基于GA-SVM 的富营养化预测建模 | 第73-80页 |
| ·建模方法及步骤 | 第73-75页 |
| ·样本预处理 | 第75页 |
| ·GA-SVM 模型参数设置 | 第75-77页 |
| ·GA-SVM 预测模型训练 | 第77-78页 |
| ·预测结果及分析 | 第78-80页 |
| ·两种预测方法对比分析 | 第80-81页 |
| ·本章小结 | 第81-82页 |
| 5 富营养化预警 | 第82-88页 |
| ·富营养化预警的意义 | 第82-83页 |
| ·富营养化预警的方法 | 第83页 |
| ·富营养化预警的基本流程 | 第83-86页 |
| ·分析警素 | 第83页 |
| ·发现警情 | 第83-84页 |
| ·寻找警源 | 第84页 |
| ·分析警兆 | 第84页 |
| ·预报警度 | 第84-85页 |
| ·排除警患 | 第85-86页 |
| ·香溪河富营养化预警 | 第86页 |
| ·应急措施 | 第86-87页 |
| ·本章小结 | 第87-88页 |
| 6 结论与展望 | 第88-90页 |
| ·结论 | 第88页 |
| ·展望 | 第88-90页 |
| 参考文献 | 第90-98页 |
| 致谢 | 第98-100页 |
| 附录 | 第100-101页 |
| A.攻读硕士学位期间发表的学术论文 | 第100-101页 |
| B. 攻读硕士学位期间参与的项目研究 | 第101页 |
