摘要 | 第4-5页 |
abstract | 第5-6页 |
缩略词中英文对照表 | 第9-10页 |
第一章 绪论 | 第10-18页 |
1.1 课题研究背景与意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-15页 |
1.2.1 基于机器学习的水文预测模型研究现状 | 第11-13页 |
1.2.2 特征选择法研究现状 | 第13-15页 |
1.3 论文主要研究内容 | 第15-16页 |
1.4 论文结构安排 | 第16-18页 |
第二章 基于机器学习的水位预测相关理论与技术 | 第18-38页 |
2.1 数据分析与预处理方法 | 第18-21页 |
2.1.1 数据分析与缺失项处理 | 第18-20页 |
2.1.2 数据标准化 | 第20-21页 |
2.2 特征选择算法 | 第21-27页 |
2.2.1 基于信息理论的特征选择法 | 第23-25页 |
2.2.2 基于相关性分析的特征选择法 | 第25-26页 |
2.2.3 迭代输入选择法IIS | 第26-27页 |
2.3 特征分解与小波变换 | 第27-30页 |
2.3.1 小波变换 | 第28-29页 |
2.3.2 最大重叠离散小波变换MODWT | 第29-30页 |
2.4 基于机器学习的水位预测算法 | 第30-37页 |
2.4.1 多元线性回归MLR算法原理 | 第30-31页 |
2.4.2 极端随机树Extra-Trees算法原理 | 第31-33页 |
2.4.3 人工神经网络ANN算法原理 | 第33-37页 |
2.5 本章小结 | 第37-38页 |
第三章 基于机器学习的赤水河中下游水位预测模型 | 第38-52页 |
3.1 研究区域与数据资料 | 第38-41页 |
3.1.1 研究区域 | 第38页 |
3.1.2 数据资料与数据分析 | 第38-41页 |
3.2 原始输入集构建与特征选择 | 第41-44页 |
3.2.1 原始输入集构建 | 第41-43页 |
3.2.2 基于IIS的特征选择 | 第43-44页 |
3.3 基于IIS改进的TIFS特征选择法 | 第44-47页 |
3.4 基于MODWT的特征成分分解 | 第47-48页 |
3.5 基于IIS-MODWT与TIFS-MODWT的赤水河水位预测模型 | 第48-50页 |
3.6 模型性能评估 | 第50-51页 |
3.7 本章小结 | 第51-52页 |
第四章 基于机器学习的赤水河中下游水位预测结果与分析 | 第52-70页 |
4.1 三种算法的基础模型预测效果对比 | 第52-53页 |
4.2 TIFS与IIS两种特征选择法性能对比 | 第53-58页 |
4.2.1 特征选择与模型训练耗时比较 | 第54-55页 |
4.2.2 模型预测性能比较 | 第55-58页 |
4.3 集成MODWT模型性能分析 | 第58-65页 |
4.3.1 基于原始输入集的MODWT性能分析 | 第58-61页 |
4.3.2 TIFS-MODWT性能分析 | 第61-65页 |
4.4 基于TIFS-MODWT-ANN模型的赤水河水位预测性能分析 | 第65-69页 |
4.4.1 基于TIFS-MODWT-ANN的赤水河水位预测性能 | 第65-68页 |
4.4.2 MODWT不同小波基与分解层数性能分析 | 第68-69页 |
4.5 本章小结 | 第69-70页 |
第五章 赤水河中下游防汛决策支持与预警平台设计与实现 | 第70-82页 |
5.1 系统功能需求分析 | 第70-71页 |
5.2 系统整体设计 | 第71-73页 |
5.2.1 技术方案选型 | 第71-72页 |
5.2.2 系统整体设计 | 第72-73页 |
5.3 系统关键流程设计与实现 | 第73-76页 |
5.3.1 权限鉴定 | 第73页 |
5.3.2 数据同步 | 第73-74页 |
5.3.3 预警鉴定 | 第74-75页 |
5.3.4 实况监测 | 第75页 |
5.3.5 气象分布图 | 第75-76页 |
5.3.6 气象产品制作 | 第76页 |
5.4 系统测试分析 | 第76-81页 |
5.4.1 测试条件 | 第76-77页 |
5.4.2 测试结果与分析 | 第77-81页 |
5.5 本章小结 | 第81-82页 |
第六章 总结与展望 | 第82-84页 |
致谢 | 第84-85页 |
参考文献 | 第85-88页 |