黄土丘陵沟壑区水土保持区划与含沙量预测的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-19页 |
| ·研究背景及研究意义 | 第10-13页 |
| ·研究背景 | 第10-12页 |
| ·研究意义 | 第12-13页 |
| ·国内外研究进展 | 第13-15页 |
| ·国内外区划研究现状 | 第13页 |
| ·国内外泥沙研究现状 | 第13-14页 |
| ·国内外土壤侵蚀产沙的研究现状 | 第14-15页 |
| ·研究趋势及技术内容 | 第15-19页 |
| ·研究趋势 | 第15-17页 |
| ·研究内容 | 第17页 |
| ·技术路线 | 第17-19页 |
| 2 黄土丘陵沟壑区水土资源基本特点 | 第19-27页 |
| ·自然地理特点 | 第19-23页 |
| ·地形地貌 | 第19-20页 |
| ·水文气象 | 第20-22页 |
| ·土地资源 | 第22页 |
| ·河流水系 | 第22-23页 |
| ·植被特征 | 第23页 |
| ·水土流失特征 | 第23页 |
| ·社会经济概况 | 第23-24页 |
| ·水土保持现状及危害 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 3 黄土丘陵沟壑区水土保持区划因子分析 | 第27-37页 |
| ·水土保持影响因素 | 第27-28页 |
| ·区划因素 | 第27-28页 |
| ·产沙因素 | 第28页 |
| ·主成分分析 | 第28-34页 |
| ·主成分分析基本理论 | 第28-29页 |
| ·主成分的性质 | 第29-31页 |
| ·主成分分析实现步骤 | 第31页 |
| ·主成分分析实现 | 第31-32页 |
| ·主成分结果分析 | 第32-34页 |
| ·含沙量序列的游程检验 | 第34-36页 |
| ·游程检验原理 | 第34-35页 |
| ·游程检验应用 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 黄土丘陵沟壑区的区划研究 | 第37-42页 |
| ·BAYES 判别分析模型 | 第37-39页 |
| ·Bayes 判别分析原理 | 第37页 |
| ·Bayes 判别函数的建立 | 第37-38页 |
| ·Bayes 判别准则 | 第38-39页 |
| ·黄土丘陵沟壑区 BAYES 判别分析区划 | 第39-41页 |
| ·Bayes 判别分析区划实现 | 第39-40页 |
| ·Bayes 判别分析区划结果 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 5 黄土丘陵沟壑区水土流失含沙量预测 | 第42-58页 |
| ·BP 神经网络 | 第42-45页 |
| ·BP 神经网络概述 | 第42-43页 |
| ·BP 神经网络特点 | 第43-44页 |
| ·BP 神经网络实现 | 第44-45页 |
| ·粒子群优化 BP 神经网络模型 | 第45-47页 |
| ·粒子群优化算法 | 第45-46页 |
| ·粒子群优化 BP 神经网络实现 | 第46-47页 |
| ·遗传算法优化 BP 神经网络模型 | 第47-50页 |
| ·遗传算法 | 第47-49页 |
| ·遗传算法优化 BP 神经网络实现 | 第49-50页 |
| ·小波神经网络耦合模型 | 第50-53页 |
| ·小波理论 | 第50页 |
| ·小波神经网络耦合实现 | 第50-53页 |
| ·黄土丘陵沟壑区含沙量预测 | 第53-57页 |
| ·影响因子和预测模型参数设置 | 第53页 |
| ·预测模型结果分析 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 6 黄土丘陵沟壑区水土保持治理 | 第58-63页 |
| ·BAYES 判别分析水土保持区划及治理 | 第58-61页 |
| ·永靖县地理位置 | 第58页 |
| ·永靖县水土保持区划 | 第58-60页 |
| ·永靖县水土保持治理对策 | 第60-61页 |
| ·黄土丘陵沟壑区水土保持治理模式 | 第61页 |
| ·水土保持治理模式依据 | 第61页 |
| ·黄土丘陵沟壑区已有典型治理模式 | 第61页 |
| ·本章小结 | 第61-63页 |
| 7 结论与展望 | 第63-66页 |
| ·研究结论 | 第63-64页 |
| ·研究展望 | 第64-66页 |
| 攻读硕士学位期间发表的学术论文和参与的科研项目 | 第66-68页 |
| 发表论文 | 第66-67页 |
| 科研项目 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
