| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 引言 | 第10-11页 |
| 1.1.1 环境质量预测目的与意义 | 第10页 |
| 1.1.2 环境质量预测的研究现状 | 第10-11页 |
| 1.2 本文研究背景 | 第11-12页 |
| 1.3 本文的主要研究内容 | 第12-13页 |
| 1.4 技术路线 | 第13-14页 |
| 第2章 预测变量及其影响因子的选择及规范变换 | 第14-17页 |
| 2.1 影响因子的选择 | 第14页 |
| 2.2 预测变量及其影响因子的规范变换 | 第14-16页 |
| 2.3 本章小结 | 第16-17页 |
| 第3章 适用于规范变换的三种智能预测模型 | 第17-34页 |
| 3.1.适用于规范变换的前向神经网络预测模型 | 第17-20页 |
| 3.1.1 环境质量的前向神经网络预测模型 | 第17-18页 |
| 3.1.2 环境质量的前向神经网络预测建模 | 第18-20页 |
| 3.2 适用于规范变换的投影寻踪回归预测模型 | 第20-24页 |
| 3.2.1 环境质量的投影寻踪回归预测模型 | 第20-21页 |
| 3.2.2 环境质量预测的投影寻踪回归建模 | 第21-24页 |
| 3.3 适用于规范变换的回归支持向量机预测模型 | 第24-27页 |
| 3.3.1 环境质量的回归支持向量机预测模型 | 第24-25页 |
| 3.3.2 环境质量预测的回归支持向量机建模 | 第25-27页 |
| 3.4 三种智能预测模型的可靠性检验 | 第27-31页 |
| 3.4.1 NV-FNN预测模型的可靠性检验 | 第28-29页 |
| 3.4.2 NV-PPR预测模型的可靠性检验 | 第29-30页 |
| 3.4.3 NV-SVR预测模型的可靠性检验 | 第30-31页 |
| 3.5 三种智能预测模型的精确度检验 | 第31-32页 |
| 3.6 三种智能预测模型预测结果的误差修正 | 第32页 |
| 3.7 本章小结 | 第32-34页 |
| 第4章 多影响因子的环境质量智能预测模型的实例验证一 | 第34-63页 |
| 4.1 灞河口高锰酸盐指数平均浓度的三种智能预测模型 | 第34-39页 |
| 4.2 滦河某观测站地下水位的三种智能预测模型 | 第39-44页 |
| 4.3 烟台市水资源承载力的三种智能预测模型 | 第44-50页 |
| 4.4 河津大桥监测断面水质的三种智能预测模型 | 第50-56页 |
| 4.5 南昌市降水酸度的三种智能预测模型 | 第56-61页 |
| 4.6 本章小结 | 第61-63页 |
| 第5章 多影响因子的环境质量智能预测模型的实例验证二 | 第63-92页 |
| 5.1 伊犁河雅马渡站年径流量的三种智能预测模型 | 第63-68页 |
| 5.2 城市SO_2浓度的三种智能预测模型 | 第68-74页 |
| 5.3 郑州市NO_2浓度的三种智能预测模型 | 第74-79页 |
| 5.4 青弋江芜湖市区段水质的三种智能预测模型 | 第79-85页 |
| 5.5 渭河某河段BOD5的三种智能预测模型 | 第85-90页 |
| 5.6 本章小结 | 第90-92页 |
| 第6章 基于三种智能模型的环境系统的时间序列预测实例 | 第92-118页 |
| 6.1 密云水库溶解氧时间序列的三种智能预测模型 | 第92-97页 |
| 6.2 官厅水库溶解氧时间序列的三种智能预测模型 | 第97-102页 |
| 6.3 牡丹江市总悬浮颗粒物浓度时间序列的三种智能预测模型 | 第102-107页 |
| 6.4 长江朱沱水质COD_(Mn)的三种智能预测模型 | 第107-112页 |
| 6.5 伦河孝感段COD_(Mn)的三种智能预测模型 | 第112-117页 |
| 6.6 本章小结 | 第117-118页 |
| 第7章 总结与展望 | 第118-121页 |
| 7.1 总结 | 第118-120页 |
| 7.1.1 论文获得的主要成果 | 第118-119页 |
| 7.1.2 基于规范变换的预测模型与传统的预测模型比较 | 第119-120页 |
| 7.1.3 论文的创新性 | 第120页 |
| 7.2 展望 | 第120-121页 |
| 参考文献 | 第121-125页 |
| 攻读硕士期间发表的学术论文情况 | 第125-126页 |
| 攻读硕士期间参加的科研及获奖情况 | 第126-127页 |
| 一、硕士期间参与的科研情况 | 第126页 |
| 二、获奖情况 | 第126-127页 |
| 致谢 | 第127页 |
