黄壁庄水库水质研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 国内外现状 | 第12-13页 |
| 1.3.1 国外现状 | 第12页 |
| 1.3.2 国内现状 | 第12-13页 |
| 1.3.3 水质预测 | 第13页 |
| 1.4 主要研究内容 | 第13-14页 |
| 1.5 技术路线 | 第14-15页 |
| 第2章 研究区域概况 | 第15-18页 |
| 2.1 地理位置 | 第15页 |
| 2.2 水文气候 | 第15-16页 |
| 2.3 河流水系 | 第16页 |
| 2.4 地质地貌 | 第16页 |
| 2.5 工程概况 | 第16-18页 |
| 第3章 灰色系统评价方法 | 第18-27页 |
| 3.1 水质评价方法简介 | 第18-19页 |
| 3.2 灰色系统 | 第19页 |
| 3.3 灰色聚类评价方法 | 第19-22页 |
| 3.3.1 水质聚类的原理 | 第19-20页 |
| 3.3.2 灰色聚类评价方法的具体步骤 | 第20-22页 |
| 3.4 灰色局势决策 | 第22-27页 |
| 3.4.1 基本概念及决策原理 | 第22-24页 |
| 3.4.2 效果测度 | 第24-26页 |
| 3.4.3 计算步骤 | 第26-27页 |
| 第4章 基于人工神经网络的水质预测 | 第27-34页 |
| 4.1 人工神经网络简介 | 第27-28页 |
| 4.1.1 人工神经网络概念 | 第27页 |
| 4.1.2 发展历程简介 | 第27-28页 |
| 4.1.3 基本内容简介 | 第28页 |
| 4.1.4 发展趋势 | 第28页 |
| 4.2 BP神经网络 | 第28-34页 |
| 4.2.1 BP神经网络的基本原理 | 第29页 |
| 4.2.2 BP神经网络的结构 | 第29-30页 |
| 4.2.3 BP神经元及其传递函数 | 第30-31页 |
| 4.2.4 BP网络的学习算法及改进 | 第31-32页 |
| 4.2.5 BP神经网络的相关函数 | 第32-34页 |
| 第5章 黄壁庄水库水质评价 | 第34-60页 |
| 5.1 黄壁庄水库水质评价 | 第34-35页 |
| 5.1.1 污染源调查 | 第34页 |
| 5.1.2 污染源预测及评价 | 第34-35页 |
| 5.2 灰色聚类评价法 | 第35-49页 |
| 5.2.1 数据预处理 | 第36-38页 |
| 5.2.2 建立各污染物的白化函数 | 第38-45页 |
| 5.2.3 计算聚类权 | 第45-46页 |
| 5.2.4 聚类系数的计算 | 第46-49页 |
| 5.2.5 聚类及水质评价结论 | 第49页 |
| 5.3 灰色局势决策评价方法 | 第49-59页 |
| 5.3.1 构造局势并建立局势矩阵 | 第50页 |
| 5.3.2 建立目标集计算各局势测度 | 第50-54页 |
| 5.3.3 求综合效果测度矩阵 | 第54-55页 |
| 5.3.4 求最大测元 | 第55-57页 |
| 5.3.5 确定最优局势及评级结果 | 第57-59页 |
| 5.4 评价结果分析 | 第59-60页 |
| 第6章 黄壁庄水库水质趋势分析及预测 | 第60-84页 |
| 6.1 黄壁庄水库水质趋势分析 | 第60-69页 |
| 6.2 构建神经网络 | 第69-81页 |
| 6.3 预测结果及分析 | 第81-84页 |
| 第7章 结论及展望 | 第84-86页 |
| 7.1 结论 | 第84页 |
| 7.2 展望 | 第84-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-92页 |
| 作者简介 | 第92页 |
| 攻读硕士期间发表论文和科研成果 | 第92-93页 |
