| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题来源、研究目的及意义 | 第9页 |
| ·国内外研究现状 | 第9-12页 |
| ·论文的主要研究内容和研究路线 | 第12-14页 |
| ·论文的主要研究内容 | 第12页 |
| ·论文的技术路线 | 第12-14页 |
| ·本章小结 | 第14-16页 |
| 第2章 河湖水体富营养化综合评价模型 | 第16-32页 |
| ·水体富营养化与“水华”探讨 | 第16页 |
| ·多指标的水质富营养化状态的综合指数评价模型 | 第16-18页 |
| ·营养指数法: | 第16-17页 |
| ·改进的综合营养指数法 | 第17-18页 |
| ·综合营养指数在北京河湖水体富营养化中的评价 | 第18-20页 |
| ·灰色关联分析 | 第20-27页 |
| ·灰色关联因素和关联算子集 | 第20-22页 |
| ·灰色关联公理与灰色关联度 | 第22-24页 |
| ·灰色关联分析法的步骤 | 第24-26页 |
| ·改进的灰色关联分析 | 第26-27页 |
| ·改进的灰色关联分析在水体富营养化评价的应用 | 第27-31页 |
| ·水体富营养化评价步骤 | 第27-30页 |
| ·评价结果比较 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于灰色理论与神经网络的水华预测模型 | 第32-52页 |
| ·水华机理研究 | 第32-35页 |
| ·实验方案设计 | 第32-34页 |
| ·水华预测指标获取 | 第34页 |
| ·水华灰色预测方法分析 | 第34-35页 |
| ·灰色理论 | 第35-42页 |
| ·灰色理论概述 | 第35-36页 |
| ·灰色系统建模原理 | 第36-40页 |
| ·灰色系统预测 | 第40-41页 |
| ·GM(1,1)预测模型 | 第41-42页 |
| ·灰色系统模型的原理及改进 | 第42-44页 |
| ·灰色系统的优化 | 第42-43页 |
| ·灰色理论的应用 | 第43-44页 |
| ·BP 神经网络 | 第44-47页 |
| ·BP 神经网络的基本原理 | 第44-45页 |
| ·BP 网络的算法 | 第45-46页 |
| ·BP 算法的改进（ABPM 算法） | 第46-47页 |
| ·灰色理论与神经网络在叶绿素预测中的应用 | 第47-50页 |
| ·预测指标的确定 | 第47页 |
| ·灰色理论与神经网络预测步骤 | 第47-50页 |
| ·实验与仿真结果 | 第50页 |
| ·本章小结 | 第50-52页 |
| 第4章 改进的灰色 WPGM(1,1)- BP 神经网络模型 | 第52-62页 |
| ·灰色-BP 神经网络水华预测模型 | 第52-56页 |
| ·水华混合预测模型分析 | 第52-53页 |
| ·建立灰色-神经网络模型步骤 | 第53-54页 |
| ·中长期预测 | 第54-56页 |
| ·WPGM（1,1）-BP 神经网络模型 | 第56-59页 |
| ·改进的 WPGM(1,1)模型 | 第56-57页 |
| ·遗传算法设计 | 第57-58页 |
| ·粒子群优化的 BP 模型 | 第58-59页 |
| ·模型验证 | 第59-61页 |
| ·水华短期预测模型 | 第59-60页 |
| ·水华的中长期预测模型 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 河湖水质远程监测与水华预测预警系统实现 | 第62-73页 |
| ·系统结构及关键技术 | 第62页 |
| ·系统硬件设计 | 第62-65页 |
| ·水质信息采集模块 | 第63页 |
| ·时间信息产生模块 | 第63-64页 |
| ·GPRS 传送模块 | 第64-65页 |
| ·系统软件结构 | 第65-68页 |
| ·水华预警系统软件的模块化结构 | 第65-67页 |
| ·数据库的设计 | 第67-68页 |
| ·基于VB 开发的系统软件平台 | 第68-72页 |
| ·VB 与Matlab 的嵌入式混合开发的特点 | 第68-69页 |
| ·系统功能 | 第69-72页 |
| ·本章小结 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| ·研究工作总结 | 第73页 |
| ·展望 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 作者在攻读硕士学位期间发表的论文 | 第78-79页 |
| 作者在攻读硕士学位期间参与的项目及获奖经历 | 第79-80页 |
| 致谢 | 第80页 |