| 英汉缩略语名词对照 | 第1-7页 |
| 中文摘要 | 第7-9页 |
| 英文摘要 | 第9-11页 |
| 前言 | 第11-15页 |
| 1 小波分析 | 第15-22页 |
| ·小波函数的定义 | 第15-16页 |
| ·小波变换 | 第16-18页 |
| ·基于多分辨率思想的小波分解与重构过程 | 第18-20页 |
| ·本章小结 | 第20-22页 |
| 2 人工神经网络 | 第22-34页 |
| ·人工神经网络基础 | 第22-28页 |
| ·人工神经网络的基本原理和特点 | 第28-29页 |
| ·BP 神经网络 | 第29-33页 |
| ·本章小结 | 第33-34页 |
| 3 小波神经网络 | 第34-51页 |
| ·小波神经网络基础 | 第34页 |
| ·小波分析与神经网络的耦合关系 | 第34-37页 |
| ·小波神经网络的学习训练方法 | 第37-45页 |
| ·小波神经网络模型的建立 | 第45-50页 |
| ·本章小结 | 第50-51页 |
| 4 基于小波神经网络的饮用水源水水质参数预测模型的建立及分析研究 | 第51-86页 |
| ·研究数据及相关特征量 | 第51-53页 |
| ·水质数据样本组织思路 | 第53-54页 |
| ·模型预测程序实现平台MATLAB | 第54-55页 |
| ·预测效果评价指标 | 第55页 |
| ·基于BP 神经网络的高猛酸盐指数月平均浓度的预测模型(模型Ⅰ) | 第55-62页 |
| ·基于辅助式小波神经网络的高猛酸盐指数月平均浓度的预测模型(模型 | 第62-71页 |
| ·基于辅助式与嵌套式结合的小波神经网络对高猛酸盐指数月平均浓度的预测模型(模型Ⅲ) | 第71-79页 |
| ·饮用水水质参数高猛酸盐月平均浓度预测结果比较 | 第79-83页 |
| ·各模型预测效果的评价 | 第83-85页 |
| ·本章小结 | 第85-86页 |
| 5 讨论 | 第86-88页 |
| ·小波神经网络的优点 | 第86页 |
| ·小波神经网络的缺点 | 第86-88页 |
| 结论 | 第88-89页 |
| 展望 | 第89-90页 |
| 参考文献 | 第90-94页 |
| 文献综述 | 第94-100页 |
| 致谢 | 第100-101页 |
| 攻读学位期间发表的学术论文 | 第101页 |
