| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第9-14页 |
| 1.1 选题背景及选题意义 | 第9-10页 |
| 1.2 生态补水优化调度简介 | 第10页 |
| 1.3 远程监控系统简介 | 第10页 |
| 1.4 国内外研究应用现状与发展趋势 | 第10-12页 |
| 1.5 关键问题和技术路线 | 第12页 |
| 1.6 论文主要内容 | 第12-13页 |
| 1.7 论文的组织结构 | 第13页 |
| 1.8 小结 | 第13-14页 |
| 2 伏牛溪生态补水调度模型构建 | 第14-19页 |
| 2.1 生态补水简介 | 第14页 |
| 2.2 伏牛溪生态补水调度模型 | 第14-18页 |
| 2.2.1 目标函数 | 第14-15页 |
| 2.2.2 约束条件 | 第15-17页 |
| 2.2.3 参数选取 | 第17-18页 |
| 2.2.4 初始条件 | 第18页 |
| 2.3 小结 | 第18-19页 |
| 3 智能优化算法对比分析 | 第19-25页 |
| 3.1 智能优化算法介绍 | 第19-23页 |
| 3.1.1 模拟退火算法简介（SA） | 第19-20页 |
| 3.1.2 遗传算法简介（GA） | 第20-21页 |
| 3.1.3 蚁群算法简介（ACO） | 第21-22页 |
| 3.1.4 粒子群优化算法简介（PSO） | 第22-23页 |
| 3.2 智能优化算法对比分析 | 第23-24页 |
| 3.3 小结 | 第24-25页 |
| 4 粒子群优化算法原理 | 第25-31页 |
| 4.1 引言 | 第25页 |
| 4.2 原始粒子群优化算法 | 第25-26页 |
| 4.2.1 算法原理 | 第25页 |
| 4.2.2 算法模型 | 第25-26页 |
| 4.2.3 算法流程 | 第26页 |
| 4.3 标准粒子群优化算法 | 第26-27页 |
| 4.3.1 惯性权重（inertia weight）的引入 | 第26-27页 |
| 4.3.2 收缩因子（constriction factor）的引入 | 第27页 |
| 4.4 几种改进的粒子群优化算法 | 第27-28页 |
| 4.5 约束条件的处理方法 | 第28-30页 |
| 4.6 小结 | 第30-31页 |
| 5 粒子群算法对伏牛溪生态补水调度模型的优化求解 | 第31-36页 |
| 5.1 问题分析 | 第31页 |
| 5.2 求解策略与过程 | 第31-33页 |
| 5.2.1 求解策略 | 第31-32页 |
| 5.2.2 求解过程 | 第32-33页 |
| 5.3 求解结果 | 第33-35页 |
| 5.4 结论 | 第35页 |
| 5.5 小结 | 第35-36页 |
| 6 生态补水调度在河流污染监控平台中的实现 | 第36-51页 |
| 6.1 河流污染监控平台 | 第36-43页 |
| 6.1.1 软硬件架构设计 | 第36-37页 |
| 6.1.2 平台架构设计 | 第37-38页 |
| 6.1.3 平台功能模块 | 第38-39页 |
| 6.1.4 平台开发技术 | 第39-43页 |
| 6.2 生态补水调度模块的实现 | 第43-49页 |
| 6.2.1 模块运行流程 | 第44-46页 |
| 6.2.2 生态补水调度模块的串口数据读写 | 第46页 |
| 6.2.3 生态补水调度模块设备监控数据的解析 | 第46-47页 |
| 6.2.4 生态补水调度模块的后台实现 | 第47-48页 |
| 6.2.5 生态补水调度模块的前端页面实现 | 第48-49页 |
| 6.3 界面展示 | 第49-50页 |
| 6.4 小结 | 第50-51页 |
| 7 总结与展望 | 第51-53页 |
| 7.1 总结 | 第51页 |
| 7.2 展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 附录 | 第56页 |
| A.作者攻读硕士学位期间发表的论文 | 第56页 |
| B.作者攻读硕士学位期间参与项目 | 第56页 |