| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 中长期径流预报研究现状 | 第10-13页 |
| 1.2.2 水库调度研究现状 | 第13-15页 |
| 1.3 本文研究内容及技术路线 | 第15-16页 |
| 第2章 基于小波-BP神经网络的贝叶斯概率组合预测模型 | 第16-27页 |
| 2.1 基本理论 | 第16-25页 |
| 2.1.1 小波分析基本理论 | 第16-19页 |
| 2.1.2 人工神经网络基本理论 | 第19-22页 |
| 2.1.3 贝叶斯分析方法 | 第22-25页 |
| 2.2 基于小波-BP神经网络的贝叶斯概率径流预报模型 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 WA-BP-BY模型在Namgum水电站水库入库流量预报中的应用 | 第27-36页 |
| 3.1 Namngum水库概况 | 第27-28页 |
| 3.2 模型预测 | 第28-32页 |
| 3.2.1 小波函数选择与确定最优分解层数 | 第28-29页 |
| 3.2.2 BP神经网络模型选择 | 第29-31页 |
| 3.2.3 贝叶斯概率的最优参数 | 第31-32页 |
| 3.3 结果分析 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 POA算法在Namgum水电站优化调度中的应用 | 第36-45页 |
| 4.1 水电站水库优化调度基本理论 | 第36-40页 |
| 4.1.1 优化调度基本内容与最优准则 | 第36-37页 |
| 4.1.2 中长期优化调度模型 | 第37-39页 |
| 4.1.3 POA算法 | 第39-40页 |
| 4.2 Namgum水电站发电调度模型 | 第40-43页 |
| 4.2.1 Namngum水电站概况及现有运行准则 | 第40-41页 |
| 4.2.2 Namngum水电站水库中长期优化调度模型 | 第41-43页 |
| 4.3 结果分析 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 总结与展望 | 第45-47页 |
| 5.1 总结 | 第45-46页 |
| 5.2 展望 | 第46-47页 |
| 参考文献 | 第47-53页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第53-54页 |
| 致谢 | 第54页 |
