| 第一章 绪论 | 第1-15页 |
| 1．1 城市供水系统智能管理的意义和现状 | 第7-8页 |
| 1．2 人工神经网络 | 第8-13页 |
| 1．2．1 神经网络的发展 | 第9-11页 |
| 1．2．2 神经网络技术在预测和优化调度中的应用 | 第11-13页 |
| 1．3 供水智能管理软件 | 第13-14页 |
| 1．4 本文的研究内容 | 第14-15页 |
| 第二章 用于预测的神经网络 | 第15-33页 |
| 2．1 RBF网络的理论基础 | 第16-17页 |
| 2．2 RBF神经元网络的算法 | 第17-20页 |
| 2．2．1 Mooky和Darken的算法 | 第17页 |
| 2．2．2 局部训练算法 | 第17-18页 |
| 2．2．3 正交优选算法 | 第18页 |
| 2．2．4 聚类和Givens变换联合迭代算法 | 第18-19页 |
| 2．2．5 RBF算法存在的问题及处理方法 | 第19-20页 |
| 2．3 DM-RBF神经网络的学习算法 | 第20-23页 |
| 2．3．1 改进的竞争学习算法与递阶聚类 | 第20-21页 |
| 2．3．2 最小化RBF神经网络 | 第21-22页 |
| 2．3．3 分布式最小化RBF神经网络 | 第22-23页 |
| 2．4 各种算法性能对比 | 第23-32页 |
| 2．5 本章小结 | 第32-33页 |
| 第三章 优化调度算法研究 | 第33-52页 |
| 3．1 概述 | 第33-34页 |
| 3．2 供水系统优化调度的数学模型 | 第34-39页 |
| 3．2．1 供水管网系统的状态变量 | 第34-35页 |
| 3．2．2 供水管网系统的静态仿真 | 第35-37页 |
| 3．2．3 供水系统优化调度问题的数学模型 | 第37-39页 |
| 3．3 供水系统优化调度问题中的遗传算法探讨 | 第39-40页 |
| 3．4 供水系统优化调度问题的遗传退火进化算法研究 | 第40-43页 |
| 3．5 供水系统优化调度问题的带有遗传程序设计的模拟退火算法研究 | 第43-45页 |
| 3．6 仿真研究 | 第45-51页 |
| 3．6．1 数据来源 | 第45-46页 |
| 3．6．2 仿真所需参数 | 第46-51页 |
| 3．7 小结 | 第51-52页 |
| 第四章 Matlab和其它软件的联合编程 | 第52-60页 |
| 4．1 Matlab与Active X集成 | 第52-55页 |
| 4．1．1 Active X概述 | 第52-55页 |
| 4．2 Matlab指令调用的方法及程序实例 | 第55-59页 |
| 4．3 结语 | 第59-60页 |
| 第五章 利用VB和Matlab开发供水智能管理软件 | 第60-78页 |
| 5．1 系统简介 | 第60-63页 |
| 5．2 地理信息系统（GIS） | 第63-65页 |
| 5．3 信息管理模块 | 第65-69页 |
| 5．3．1 供水负荷管理 | 第65-67页 |
| 5．3．2 节点水压管理 | 第67-69页 |
| 5．3．3 管网信息管理 | 第69页 |
| 5．4 供水负荷预测 | 第69-72页 |
| 5．5 调度 | 第72-74页 |
| 5．6 数据输出 | 第74页 |
| 5．7 在线帮助 | 第74页 |
| 5．8 本章小结 | 第74-78页 |
| 参考文献 | 第78-82页 |
| 致 谢 | 第82-83页 |
