| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 水质评价工作的重要意义 | 第11-15页 |
| 1.1.1 水质评价工作的必要性 | 第11-14页 |
| 1.1.2 研究背景 | 第14-15页 |
| 1.2 本文主要工作 | 第15-16页 |
| 1.3 本文创新点 | 第16-17页 |
| 1.4 本文结构安排 | 第17-19页 |
| 第二章 水质评价方法介绍 | 第19-27页 |
| 2.1 水质评价概述 | 第19-22页 |
| 2.1.1 水质评价指标 | 第19-20页 |
| 2.1.2 水质评价标准 | 第20页 |
| 2.1.3 水质评价步骤 | 第20-22页 |
| 2.2 水质评价方法研究 | 第22-27页 |
| 2.2.1 单指数评价法 | 第22-24页 |
| 2.2.2 灰色理论方法 | 第24页 |
| 2.2.3 人工神经网络法 | 第24-25页 |
| 2.2.4 其他方法 | 第25-27页 |
| 第三章 主成分分析法在水质评价中的研究 | 第27-35页 |
| 3.1 基本概念和意义 | 第27页 |
| 3.2 基本原理 | 第27-28页 |
| 3.3 算法步骤与应用 | 第28-33页 |
| 3.4 主成分分析法的优势与不足 | 第33-35页 |
| 第四章 人工神经网络研究 | 第35-49页 |
| 4.1 人工神经网络原理概述 | 第35-36页 |
| 4.2 人工神经网络的结构与分类 | 第36-39页 |
| 4.2.1 人工神经元 | 第36-37页 |
| 4.2.2 层 | 第37页 |
| 4.2.3 网络 | 第37页 |
| 4.2.4 样本分类 | 第37-38页 |
| 4.2.5 人工神经网络模式分类 | 第38页 |
| 4.2.6 神经网络水质评价模型的优势 | 第38-39页 |
| 4.3 BP神经网络的概述 | 第39-40页 |
| 4.4 BP神经网络架构 | 第40页 |
| 4.5 网络的泛化能力 | 第40-41页 |
| 4.6 BP神经网络在水质评价中的应用 | 第41-45页 |
| 4.6.1 BP神经网络水质评价模型建立步骤 | 第41-42页 |
| 4.6.2 BP神经网络评价模型构建 | 第42-43页 |
| 4.6.3 BP神经网络的训练与参数调整 | 第43-45页 |
| 4.6.4 样本测试以及结果分析 | 第45页 |
| 4.7 BP神经网络的数学描述 | 第45-47页 |
| 4.8 BP神经网络的性能分析 | 第47-49页 |
| 4.8.1 BP神经网络的主要缺陷 | 第47页 |
| 4.8.2 BP算法缺陷原因分析 | 第47-49页 |
| 第五章 BP神经网络水质评价模型的改进 | 第49-59页 |
| 5.1 群体智能算法 | 第49-50页 |
| 5.1.1 群智能算法的定义 | 第49页 |
| 5.1.2 群智能算法的特点 | 第49-50页 |
| 5.2 PSO算法起源 | 第50页 |
| 5.3 PSO算法原理 | 第50-51页 |
| 5.4 PSO算法数学描述 | 第51-52页 |
| 5.5 PSO算法步骤 | 第52-53页 |
| 5.6 PSO算法的特点 | 第53-54页 |
| 5.7 PSO算法性能分析 | 第54页 |
| 5.8 PSO-BP算法的基本思想 | 第54-55页 |
| 5.9 PSO-BP算法流程 | 第55-57页 |
| 5.10 本文对PSO-BP算法的改进 | 第57-59页 |
| 第六章 改进的神经网络评价模型在永安江水质评价中的应用 | 第59-73页 |
| 6.1 永安江水质评价前期工作 | 第59-68页 |
| 6.1.1 评价指标选取原则 | 第59页 |
| 6.1.2 选取评价指标 | 第59-61页 |
| 6.1.3 确定评价标准 | 第61页 |
| 6.1.4 PSO-BP水质评价基本步骤 | 第61-68页 |
| 6.2 永安江水质评价 | 第68-71页 |
| 6.2.1 水质评价模型应用结果 | 第68-70页 |
| 6.2.2 评分结果分析 | 第70-71页 |
| 6.3 结果分析 | 第71-73页 |
| 第七章 结论与展望 | 第73-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 附录A： 研究生阶段取得成果 | 第83-84页 |
| 附录B： 核心代码 | 第84-94页 |