| 摘要 | 第8-10页 |
| 英文摘要 | 第10-12页 |
| 1 绪论 | 第13-20页 |
| 1.1 立题依据 | 第13页 |
| 1.2 研究目的与意义 | 第13-14页 |
| 1.3 国内外研究进展 | 第14-18页 |
| 1.3.1 水资源系统复杂性研究 | 第14-17页 |
| 1.3.2 旱灾风险驱动研究 | 第17页 |
| 1.3.3 水资源优化配置研究 | 第17-18页 |
| 1.4 研究进展评述 | 第18页 |
| 1.5 研究内容与技术路线 | 第18-20页 |
| 1.5.1 研究内容 | 第18-19页 |
| 1.5.2 技术路线 | 第19-20页 |
| 2 哈尔滨市水文要素复杂性分析 | 第20-65页 |
| 2.1 研究区域与数据来源 | 第20-21页 |
| 2.1.1 研究区域 | 第20-21页 |
| 2.1.2 数据来源 | 第21页 |
| 2.2 研究方法 | 第21-28页 |
| 2.2.1 CEEMDAN-WPT-MFDFA算法 | 第21-25页 |
| 2.2.2 等概率粗粒化LZC算法 | 第25-26页 |
| 2.2.3 模糊熵算法(FE) | 第26-27页 |
| 2.2.4 小波熵算法(WE) | 第27-28页 |
| 2.3 结果与分析 | 第28-58页 |
| 2.3.1 基于CEEMDAN-WPT-MFDFA的区域水文要素复杂性分析 | 第28-49页 |
| 2.3.2 基于等概率粗粒化LZC的区域水文要素复杂性分析 | 第49-54页 |
| 2.3.3 基于模糊熵的区域水文要素复杂性分析 | 第54-56页 |
| 2.3.4 基于小波熵的区域水文要素复杂性分析 | 第56-58页 |
| 2.4 讨论 | 第58-63页 |
| 2.4.1 水文要素复杂性测度方法稳定性对比 | 第58-60页 |
| 2.4.2 区域水文系统复杂性成因分析 | 第60-63页 |
| 2.5 本章小结 | 第63-65页 |
| 3 复杂性视角下的哈尔滨旱灾风险评价 | 第65-78页 |
| 3.1 旱灾风险评价指标体系及分级标准 | 第65-70页 |
| 3.1.1 评价指标体系及分级标准 | 第65-67页 |
| 3.1.2 指标说明 | 第67-70页 |
| 3.2 BP神经网络评价模型及其实现 | 第70-72页 |
| 3.2.1 BP神经网络评价方法 | 第70-71页 |
| 3.2.2 哈尔滨市旱灾危险性评价模型构建 | 第71-72页 |
| 3.3 评价结果与分析 | 第72-76页 |
| 3.4 本章小结 | 第76-78页 |
| 4 复杂性视角下的哈尔滨水资源优化配置 | 第78-91页 |
| 4.1 水资源优化配置模型的构建 | 第78-81页 |
| 4.1.1 目标函数 | 第78-79页 |
| 4.1.2 约束条件 | 第79-80页 |
| 4.1.3 模型参数 | 第80-81页 |
| 4.1.4 模型配置要素划分 | 第81页 |
| 4.2 模型优化算法 | 第81-83页 |
| 4.2.1 蚁群优化配置模型设计 | 第82页 |
| 4.2.2 蚁群算法的主要参数 | 第82-83页 |
| 4.3 供、需水量预测 | 第83-87页 |
| 4.3.1 供水预测 | 第83-84页 |
| 4.3.2 生活需水预测 | 第84-85页 |
| 4.3.3 农业需水预测 | 第85-86页 |
| 4.3.4 工业需水预测 | 第86页 |
| 4.3.5 总需水量 | 第86-87页 |
| 4.4 模型求解及分析 | 第87-90页 |
| 4.4.1 基于蚁群算法的水资源优化配置结果 | 第87-89页 |
| 4.4.2 水资源优化配置结果分析 | 第89-90页 |
| 4.5 本章小结 | 第90-91页 |
| 5 结论与展望 | 第91-93页 |
| 5.1 结论 | 第91-92页 |
| 5.2 展望 | 第92-93页 |
| 致谢 | 第93-94页 |
| 参考文献 | 第94-101页 |
| 攻读硕士学位期间发表的学术论文 | 第101页 |
