| 中文摘要 | 第3-4页 |
| Abstract | 第4-9页 |
| 第一章绪论 | 第9-17页 |
| 1.1研究背景及意义 | 第9-10页 |
| 1.1.1课题背景 | 第9-10页 |
| 1.1.2研究意义 | 第10页 |
| 1.2国内外研究现状 | 第10-14页 |
| 1.2.1水文预报研究现状 | 第10-12页 |
| 1.2.2水文不确定性研究现状 | 第12-14页 |
| 1.3研究内容及方法 | 第14-17页 |
| 1.3.1主要研究内容 | 第14-16页 |
| 1.3.2技术路线图 | 第16-17页 |
| 第二章不确定性理论基础及研究区概况 | 第17-25页 |
| 2.1不确定性理论与方法 | 第17-20页 |
| 2.1.1模糊不确定理论与方法 | 第17-18页 |
| 2.1.2随机不确定理论与方法 | 第18页 |
| 2.1.3混沌不确定理论与方法 | 第18-19页 |
| 2.1.4灰色不确定理论与方法 | 第19页 |
| 2.1.5人工神经网络 | 第19-20页 |
| 2.2研究区概况 | 第20-23页 |
| 2.2.1水文概况 | 第20-22页 |
| 2.2.2月径流序列统计特征及自相关性分析 | 第22-23页 |
| 2.2.3径流与降雨互相关分析 | 第23页 |
| 2.3本章小结 | 第23-25页 |
| 第三章基于随机理论的月径流时间序列预报 | 第25-36页 |
| 3.1季节性一阶自回归模型 | 第25-29页 |
| 3.1.1模型形式 | 第25-26页 |
| 3.1.2参数估计 | 第26-27页 |
| 3.1.3模型应用 | 第27-29页 |
| 3.1.4模型评价 | 第29页 |
| 3.2季节性最小二乘多元线性回归模型 | 第29-35页 |
| 3.2.1高斯——马尔科夫假定 | 第29-31页 |
| 3.2.2不考虑降雨的模型应用 | 第31-33页 |
| 3.2.3考虑降雨的模型应用 | 第33-34页 |
| 3.2.4模型评价 | 第34-35页 |
| 3.3本章小结 | 第35-36页 |
| 第四章基于模糊理论的月径流时间序列预报 | 第36-56页 |
| 4.1模糊推理系统 | 第36-39页 |
| 4.1.1自适应模糊神经推理系统（ANFIS） | 第36-37页 |
| 4.1.2ANFIS模型结构 | 第37-39页 |
| 4.2ANFIS在MATLAB中的实现及应用 | 第39-41页 |
| 4.2.1提取数据并归一化处理 | 第39-40页 |
| 4.2.2确定变量的隶属度函数 | 第40页 |
| 4.2.3初始化模型并调整参数 | 第40页 |
| 4.2.4模型优化 | 第40-41页 |
| 4.3ANFIS在月径流预报中的应用 | 第41-54页 |
| 4.3.1训练前后隶属度函数对比 | 第41-47页 |
| 4.3.2预报结果分析 | 第47-51页 |
| 4.3.3预报结果评价 | 第51-54页 |
| 4.4本章小结 | 第54-56页 |
| 第五章随机与模糊分析耦合的月径流预报模型 | 第56-66页 |
| 5.1建立ANFIS月降雨预报模型 | 第56-64页 |
| 5.1.1训练前后隶属度函数对比 | 第56-62页 |
| 5.1.2降雨量预报结果 | 第62-64页 |
| 5.2建立最小二乘多元线性回归月径流预报模型 | 第64-65页 |
| 5.2.1模型拟合及预测阶段成果 | 第64-65页 |
| 5.2.2模型评价 | 第65页 |
| 5.3本章小结 | 第65-66页 |
| 第六章结论与展望 | 第66-68页 |
| 6.1结论 | 第66-67页 |
| 6.2展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 附录 | 第73-84页 |
| 附录1季节性一阶自回归模型拟合结果 | 第73-76页 |
| 附录2不考虑降雨的季节性最小二乘多元线性回归模型拟合结果 | 第76-80页 |
| 附录3考虑降雨的季节性最小多元线性回归模型拟合结果 | 第80-84页 |
| 致谢 | 第84-85页 |
| 攻读学位期间发表的学术论文 | 第85-86页 |