| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景 | 第10-11页 |
| ·水环境评价研究现状 | 第11-16页 |
| ·国外研究概况 | 第11-12页 |
| ·国内研究概况 | 第12-16页 |
| ·研究意义 | 第16-17页 |
| ·研究内容与结构 | 第17-18页 |
| 第二章 数据来源及评价因子的选择 | 第18-20页 |
| ·数据来源 | 第18-19页 |
| ·待评价数据 | 第19-20页 |
| 第三章 用于对比的水质评价方法 | 第20-30页 |
| ·模糊综合评价法 | 第20-26页 |
| ·基本原理 | 第20页 |
| ·环境质量标准与实测值的规格化 | 第20-22页 |
| ·因子综合权重矩阵 | 第22-23页 |
| ·模糊识别理论模型 | 第23页 |
| ·基于模糊综合评判的地表水质评价 | 第23-26页 |
| ·南京指数法 | 第26-30页 |
| ·数学模型 | 第27页 |
| ·评价因子 | 第27页 |
| ·评价标准 | 第27-28页 |
| ·水质分级标准 | 第28-29页 |
| ·评价结果 | 第29-30页 |
| 第四章 人工神经网络概述 | 第30-52页 |
| ·人工神经网络理论 | 第30-40页 |
| ·人工神经网络原理 | 第30-35页 |
| ·人工神经网络学习机理 | 第35-37页 |
| ·人工神经网络的特点及优点 | 第37-40页 |
| ·BP神经网络 | 第40-46页 |
| ·BP神经网络结构 | 第40-41页 |
| ·BP算法的实现 | 第41-46页 |
| ·BP神经网络的缺陷 | 第46页 |
| ·改进的 BP神经网络算法 | 第46-52页 |
| ·附加动量法 | 第46-47页 |
| ·自适应学习速率法 | 第47-48页 |
| ·L-M算法及其推导 | 第48-52页 |
| 第五章 改进的 BP神经网络在地表水质评价中的应用 | 第52-72页 |
| ·MATLAB神经网络工具箱 | 第52-55页 |
| ·构建 BP神经网络模型 | 第55-61页 |
| ·BP神经网络建模时应注意的问题 | 第55-57页 |
| ·评价标准及网络输入节点确定 | 第57-58页 |
| ·网络输出节点选择 | 第58-60页 |
| ·训练样本和检测样本的确定 | 第60-61页 |
| ·具体网络模型的确定及评价结果 | 第61-69页 |
| ·神经网络的训练与验证 | 第61-68页 |
| ·待评样本评价结果 | 第68-69页 |
| ·分析比较 | 第69-72页 |
| ·BP网络法与模糊综合评判法的比较 | 第69-70页 |
| ·BP网络法与南京指数法的比较 | 第70-72页 |
| 第六章 结论与展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 攻读学位期间发表的论文 | 第78-80页 |
| 致谢 | 第80页 |