年径流序列随机模拟与预报研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究目的及意义 | 第10页 |
| ·国内外研究进展 | 第10-13页 |
| ·线性参数模型 | 第11-12页 |
| ·线性参数模型的改进 | 第12页 |
| ·非线性参数随机模型 | 第12页 |
| ·非参数随机模型 | 第12-13页 |
| ·基于人工智能方法的模型 | 第13页 |
| ·存在问题 | 第13-14页 |
| ·研究的主要内容 | 第14-15页 |
| ·拟解决的主要问题 | 第15页 |
| ·拟采用的技术路线 | 第15-17页 |
| 第二章 水文序列的组成分析及其识别 | 第17-33页 |
| ·水文时间序列组成 | 第17页 |
| ·水文变异点综合诊断方法 | 第17-28页 |
| ·初步诊断 | 第19-21页 |
| ·详细诊断 | 第21-27页 |
| ·综合诊断 | 第27页 |
| ·诊断结论输出 | 第27-28页 |
| ·水文序列周期成分识别 | 第28-33页 |
| ·周期图法 | 第28-29页 |
| ·累积解释方差图法 | 第29页 |
| ·功率谱分析 | 第29-30页 |
| ·最大熵谱分析 | 第30-33页 |
| 第三章 平稳随机模型 | 第33-41页 |
| ·自回归滑动平均模型 | 第33-38页 |
| ·模型结构 | 第33页 |
| ·模型参数识别 | 第33-35页 |
| ·模型识别 | 第35页 |
| ·模型检验 | 第35-36页 |
| ·ARMA(p,q)模型随机模拟 | 第36-38页 |
| ·模型实用性检验 | 第38页 |
| ·PNNB 模型 | 第38-41页 |
| 第四章 随机水文模型预报 | 第41-44页 |
| ·ARMA(p,q)模型的预测 | 第41-42页 |
| ·AR(p)模型的预测 | 第42页 |
| ·MA(q)模型的预测 | 第42-43页 |
| ·PNNB 模型的预测 | 第43-44页 |
| 第五章 研究区各站年径流随机模型建立 | 第44-89页 |
| ·研究区概况 | 第44-45页 |
| ·地理位置 | 第44页 |
| ·地貌 | 第44页 |
| ·气候 | 第44页 |
| ·水资源 | 第44-45页 |
| ·土壤 | 第45页 |
| ·植被 | 第45页 |
| ·各站年径流序列识别非周期成分 | 第45-55页 |
| ·初步诊断 | 第45-50页 |
| ·详细诊断 | 第50-54页 |
| ·综合诊断 | 第54-55页 |
| ·各站年径流序列识别周期成分 | 第55-64页 |
| ·资料预处理 | 第55页 |
| ·周期成分识别 | 第55-64页 |
| ·随机模型建立及预报 | 第64-89页 |
| ·线性平稳随机模型建立 | 第64-79页 |
| ·PNNB 模型建立 | 第79-84页 |
| ·选择最优模型 | 第84页 |
| ·年径流序列最优随机模型的预报 | 第84-89页 |
| 第六章 结论与展望 | 第89-91页 |
| ·主要结论 | 第89-90页 |
| ·研究展望 | 第90-91页 |
| 参考文献 | 第91-95页 |
| 致谢 | 第95-96页 |
| 作者简介 | 第96页 |
