混沌理论及其在水文时间序列中的应用研究
| 中文摘要 | 第1-9页 |
| 英文摘要 | 第9-11页 |
| 1 引言 | 第11-18页 |
| ·立题依据 | 第11页 |
| ·研究目的和意义 | 第11-12页 |
| ·国内外研究动态和趋势 | 第12-16页 |
| ·水文时间序列性质的识别 | 第12-14页 |
| ·混沌预测应用研究 | 第14-16页 |
| ·主要研究内容、方法与技术路线简介 | 第16-18页 |
| ·主要研究内容 | 第16页 |
| ·主要研究方法 | 第16-17页 |
| ·技术路线 | 第17-18页 |
| 2 混沌理论及其基本知识 | 第18-24页 |
| ·混沌及其发展简介 | 第18-19页 |
| ·混沌 | 第18页 |
| ·混沌理论发展简介 | 第18-19页 |
| ·混沌理论基本知识 | 第19-24页 |
| ·混沌的定义 | 第19-20页 |
| ·混沌理论相关的基本概念 | 第20-21页 |
| ·表征混沌的特征量 | 第21-22页 |
| ·相空间重构的基本理论 | 第22-23页 |
| ·混沌理论的应用 | 第23-24页 |
| 3. 时间序列相空间重构及混沌识别 | 第24-34页 |
| ·相空间的重构 | 第24-27页 |
| ·独立确定延迟时间和嵌入维数的方法 | 第24-25页 |
| ·相关确定延迟时间和嵌入维数的方法 | 第25-27页 |
| ·最大Lyapunov指数的数值计算方法 | 第27-30页 |
| ·Wolf方法及其改进方法 | 第28-29页 |
| ·小数据量方法及其改进 | 第29-30页 |
| ·识别方法 | 第30-34页 |
| ·功率谱方法 | 第30页 |
| ·相图法 | 第30-31页 |
| ·主分量分析(PCA)方法 | 第31页 |
| ·Poincare截面法 | 第31页 |
| ·饱和关联维数法 | 第31-32页 |
| ·最大Lyapunov指数法 | 第32页 |
| ·Kolmogorov熵法 | 第32-34页 |
| 4 水文时间序列的混沌分析 | 第34-100页 |
| ·月降水量的混沌分析 | 第34-41页 |
| ·基本资料 | 第34-35页 |
| ·相空间重构 | 第35-36页 |
| ·混沌识别 | 第36-40页 |
| ·结论 | 第40-41页 |
| ·地下水埋深(5日一测)的混沌分析 | 第41-72页 |
| ·三江平原地下水埋深序列的混沌分析 | 第41-62页 |
| ·松嫩平原地下水埋深序列的混沌分析 | 第62-72页 |
| ·水质的混沌分析——以溶解氧浓度为例 | 第72-80页 |
| ·研究意义 | 第73页 |
| ·基本资料 | 第73-74页 |
| ·相空间重构 | 第74-75页 |
| ·混沌识别 | 第75-79页 |
| ·结论 | 第79-80页 |
| ·径流量的混沌分析 | 第80-100页 |
| ·嫩江 | 第80-88页 |
| ·博斯腾湖开都河 | 第88-100页 |
| 5 混沌时间序列的预测方法及其水文应用 | 第100-117页 |
| ·混沌预测基本方法 | 第100-104页 |
| ·全域预测法 | 第100-101页 |
| ·局域预测法 | 第101页 |
| ·加权零阶局域法 | 第101-102页 |
| ·加权一阶局域法 | 第102-103页 |
| ·基于最大Lyapunov指数的预测方法 | 第103页 |
| ·基于神经网络的混沌时间序列预测方法 | 第103-104页 |
| ·水文时间序列的混沌预测 | 第104-117页 |
| ·基于关联度的局域加权线性回归预测 | 第104-109页 |
| ·基于小波神经网络的混沌预测 | 第109-117页 |
| 6 结论 | 第117-119页 |
| 致谢 | 第119-120页 |
| 参考文献 | 第120-126页 |
| 攻读学位期间发表的学术论文 | 第126页 |
