| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-21页 |
| ·研究背景及意义 | 第11-15页 |
| ·研究背景 | 第11-15页 |
| ·研究意义 | 第15页 |
| ·研究内容 | 第15-16页 |
| ·研究思路与方法 | 第16-21页 |
| ·研究思路 | 第16-17页 |
| ·研究方法 | 第17-19页 |
| ·数据来源 | 第19-21页 |
| 第二章 相关研究综述 | 第21-35页 |
| ·区域可持续性预警理论研究进展 | 第21-24页 |
| ·宏观经济预警 | 第21-22页 |
| ·自然灾害预警 | 第22-23页 |
| ·区域综合预警 | 第23-24页 |
| ·部门专业预警 | 第24页 |
| ·农业可持续性预警研究的主要领域 | 第24-28页 |
| ·农业气候/气象灾害预警 | 第24-26页 |
| ·病虫害防治与农药残留监测 | 第26-27页 |
| ·水土资源污染预警 | 第27页 |
| ·预警数据获取 | 第27-28页 |
| ·农业可持续性预警定量研究方法 | 第28-33页 |
| ·传统预警法 | 第28-29页 |
| ·综合评价法 | 第29-31页 |
| ·非线性方法 | 第31-33页 |
| ·小结与简评 | 第33-35页 |
| 第三章 县域农业可持续性预警模型框架的构建 | 第35-49页 |
| ·农业可持续性的界定 | 第35-38页 |
| ·农业可持续性测度的不同空间尺度 | 第35-36页 |
| ·预警模型构建的区域尺度——县域 | 第36-37页 |
| ·县域尺度农业可持续性的内涵 | 第37-38页 |
| ·县域农业可持续性预警的概念模型 | 第38-41页 |
| ·模型成立的重要前提条件 | 第38页 |
| ·概念框架设计 | 第38-40页 |
| ·预警流程设计 | 第40-41页 |
| ·县域农业可持续性预警的操作模型 | 第41-49页 |
| ·建立指标体系 | 第41-42页 |
| ·明确警情 | 第42-44页 |
| ·寻找警源 | 第44-45页 |
| ·分析警兆 | 第45-46页 |
| ·预报警度 | 第46-49页 |
| 第四章 BP 神经网络算法改进 | 第49-71页 |
| ·人工神经网络建模基础 | 第49-57页 |
| ·神经元的数学模型 | 第49-50页 |
| ·误差反传算法 | 第50-54页 |
| ·Kohonen 学习算法 | 第54-57页 |
| ·对BP 网络的已有改进 | 第57-62页 |
| ·标准BP 算法的缺陷 | 第57-58页 |
| ·算法本身改进 | 第58-59页 |
| ·引入全局优化算法 | 第59-61页 |
| ·模糊BP 神经网络 | 第61页 |
| ·小波BP 神经网络 | 第61-62页 |
| ·基于WPCA 的BP 算法改进 | 第62-68页 |
| ·初始权值对收敛性的影响 | 第62-63页 |
| ·Oja 网络模型 | 第63-64页 |
| ·加权主成分分析法 | 第64-66页 |
| ·基于WPCA 的BP 权值学习 | 第66-68页 |
| ·本章小结 | 第68-71页 |
| 第五章 基于 SOFM 和 GWR 的典型县域选择 | 第71-105页 |
| ·研究区域界定 | 第71-73页 |
| ·指标体系建立 | 第73-74页 |
| ·指标选取 | 第73-74页 |
| ·指标计算与权重 | 第74页 |
| ·黄河下游沿岸县域经济实力的空间差异 | 第74-80页 |
| ·加权主成分分析 | 第74-76页 |
| ·县域经济空间分异特征 | 第76-80页 |
| ·黄河下游沿岸县域经济实力分类 | 第80-89页 |
| ·层次聚类分析 | 第80-81页 |
| ·SOFM 网络建模 | 第81-87页 |
| ·结果分析 | 第87-89页 |
| ·黄河下游沿岸县域粮食单产的空间异质性 | 第89-97页 |
| ·数据与GWR 模型 | 第90-92页 |
| ·结果与分析 | 第92-96页 |
| ·结论与建议 | 第96-97页 |
| ·典型县域选择与区域分析 | 第97-101页 |
| ·典型县域选择 | 第97-98页 |
| ·区域分析 | 第98-101页 |
| ·本章小结 | 第101-105页 |
| 第六章 黄河下游沿岸典型县域农业可持续性预警 | 第105-157页 |
| ·明确警情 | 第105-113页 |
| ·建立警情指标体系 | 第105-106页 |
| ·子系统持续指数 | 第106-113页 |
| ·警情综合持续指数 | 第113页 |
| ·寻找警源 | 第113-120页 |
| ·主导因子提取 | 第113-115页 |
| ·指标敏感性分析 | 第115-120页 |
| ·分析警兆 | 第120-127页 |
| ·警情警限设置 | 第120-122页 |
| ·警兆警区确定 | 第122-127页 |
| ·预报警度 | 第127-148页 |
| ·单项警兆指标预测 | 第127-136页 |
| ·警度预报 | 第136-148页 |
| ·改进BP 算法用于警度预报的效果 | 第148-153页 |
| ·与BP 算法对比 | 第148-151页 |
| ·与回归分析法对比 | 第151-153页 |
| ·本章小结 | 第153-157页 |
| 第七章 结论与展望 | 第157-163页 |
| ·主要研究结论 | 第157-159页 |
| ·主要创新点 | 第159页 |
| ·进一步研究的展望 | 第159-163页 |
| 参考文献 | 第163-175页 |
| 附录 | 第175-181页 |
| 致谢 | 第181-183页 |
| 攻读博士学位期间主要科研工作 | 第183-184页 |