| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-21页 |
| ·水环境质量评价预测的必要性 | 第11页 |
| ·水质评价与水质预测的研究进展 | 第11-14页 |
| ·水质评价的研究进展 | 第11-13页 |
| ·水质预测的研究进展 | 第13-14页 |
| ·水质评价与水质预测方法 | 第14-20页 |
| ·水质评价方法 | 第14-16页 |
| ·水质预测方法 | 第16-20页 |
| ·主要研究内容 | 第20-21页 |
| 第二章 神经网络和人工蜂群算法基本理论 | 第21-34页 |
| ·人工神经网络 | 第21-25页 |
| ·人工神经网络概述 | 第21-22页 |
| ·BP神经网络基本原理 | 第22页 |
| ·BP神经网络结构和学习算法 | 第22-25页 |
| ·群体智能算法概述 | 第25-27页 |
| ·受启于蜜蜂行为的智能算法 | 第27-29页 |
| ·基于蜜蜂繁殖行为的算法 | 第27-28页 |
| ·基于蜜蜂采蜜行为的算法 | 第28-29页 |
| ·人工蜂群算法 | 第29-33页 |
| ·人工蜂群算法概述 | 第30页 |
| ·人工蜂群算法数学描述 | 第30-31页 |
| ·人工蜂群算法的流程 | 第31页 |
| ·人工蜂群算法与其它算法比较 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 水质评价模型 | 第34-44页 |
| ·水质评价因子和评价标准的选取 | 第34-35页 |
| ·选择水质评价的参数 | 第34-35页 |
| ·评价标准 | 第35页 |
| ·基于BP神经网络的水质评价模型 | 第35-38页 |
| ·训练样本和测试样本 | 第35-36页 |
| ·水质评价等级的评判方法 | 第36页 |
| ·确定BP神经网络的各层节点数 | 第36-38页 |
| ·BP神经网络的训练及测试 | 第38页 |
| ·基于BP神经网络和人工蜂群算法的水质评价模型 | 第38-41页 |
| ·ABC算法优化BP网络(ABC-BP)的建模方法 | 第39-40页 |
| ·水质评价模型的建立 | 第40-41页 |
| ·结果与分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 水质预测模型 | 第44-56页 |
| ·预测的不确定性 | 第44页 |
| ·水质预测数据及预测基本思想 | 第44-46页 |
| ·研究区域及水质数据 | 第44-45页 |
| ·预测基本思想 | 第45-46页 |
| ·数据预处理 | 第46页 |
| ·基于人工蜂群算法和BP神经网络的水质预测 | 第46-48页 |
| ·基于遗传算法和BP神经网络的水质预测 | 第48-52页 |
| ·遗传算法 | 第48页 |
| ·遗传算法与BP神经网络结合 | 第48-50页 |
| ·水质预测模型的建立 | 第50-52页 |
| ·水质预测结果比较及分析 | 第52-55页 |
| ·结果比较及分析 | 第52-55页 |
| ·输入水质变量对输出的相对权重 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第五章 水质评价和预测的VC实现 | 第56-63页 |
| ·开发环境及系统界面介绍 | 第56-59页 |
| ·VC简介 | 第56页 |
| ·系统界面 | 第56-59页 |
| ·水质评价和预测功能的实现 | 第59-62页 |
| ·对话框资源的实现 | 第59-60页 |
| ·BP神经网络的实现 | 第60-61页 |
| ·ABC-BP算法的实现 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 结论 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |