| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景、目的和意义 | 第10-11页 |
| ·研究背景 | 第10页 |
| ·研究的目的和意义 | 第10-11页 |
| ·国内外研究进展 | 第11-14页 |
| ·现状预报方法概述 | 第11-14页 |
| ·目前研究中存在的主要问题 | 第14页 |
| ·论文研究的主要内容与技术路线 | 第14-16页 |
| ·论文研究的主要内容 | 第14-15页 |
| ·论文研究的技术路线 | 第15-16页 |
| 第二章 流域概况和径流变化特性分析 | 第16-27页 |
| ·流域概况 | 第16-18页 |
| ·自然概况 | 第16-17页 |
| ·经济社会概况 | 第17-18页 |
| ·基本资料情况 | 第18页 |
| ·径流基本统计特性分析 | 第18-19页 |
| ·径流分配变化规律分析 | 第19-23页 |
| ·径流的年际变化规律分析研究 | 第19-21页 |
| ·径流的年内分配研究 | 第21-23页 |
| ·径流变化趋势分析 | 第23-24页 |
| ·滑动平均法 | 第23页 |
| ·Mann-Kendall 秩次相关检验法 | 第23-24页 |
| ·降水及人类活动对径流的影响 | 第24-27页 |
| ·降水对径流的影响 | 第24-25页 |
| ·人类活动对径流的影响 | 第25-27页 |
| 第三章 基于小波理论的径流序列多时间尺度分析 | 第27-36页 |
| ·小波分析基本理论 | 第27-29页 |
| ·小波的定义 | 第27页 |
| ·连续小波变换 | 第27-28页 |
| ·离散小波变换 | 第28页 |
| ·常见小波函数 | 第28-29页 |
| ·年径流量序列多时间尺度小波分析 | 第29-36页 |
| ·小波变换系数图 | 第30页 |
| ·小波方差 | 第30页 |
| ·秃尾河流域年径流量序列多时间尺度变化特征分析 | 第30-36页 |
| 第四章 门限自回归模型的在年径流预测中的应用 | 第36-46页 |
| ·模型简介 | 第36页 |
| ·模型的建立 | 第36-41页 |
| ·延迟步数与模型阶数的确定 | 第36-37页 |
| ·门限区间个数的确定 | 第37页 |
| ·门限值寻优 | 第37-38页 |
| ·分区间建立自回归模型AR(p) | 第38-40页 |
| ·模型的评定与检验 | 第40-41页 |
| ·模型参数的确定及应用 | 第41-46页 |
| ·模型参数的确定 | 第41页 |
| ·AR(p)模型的确定 | 第41-42页 |
| ·模型应用 | 第42-46页 |
| 第五章 BP 神经网络模型在年径流预测中的应用 | 第46-63页 |
| ·人工神经网络的基本原理 | 第46-51页 |
| ·人工神经网络概论 | 第46-47页 |
| ·人工神经元模型 | 第47-50页 |
| ·神经网络模型的拓扑结构 | 第50页 |
| ·人工神经网络模型的学习规则 | 第50-51页 |
| ·BP 神经网络的基本理论 | 第51-55页 |
| ·BP 神经网络模型的结构 | 第51-52页 |
| ·BP 神经网络模型的学习过程 | 第52页 |
| ·BP 算法存在的问题及其改进 | 第52页 |
| ·BP 神经网络模型结构的确定 | 第52-53页 |
| ·BP 神经网络算法的具体过程 | 第53-55页 |
| ·基于MATLAB 的BP 神经网络模型 | 第55-56页 |
| ·MATLAB 及其神经网络工具箱简介 | 第55-56页 |
| ·基于MATLAB 工具箱的BP 神经网络模型设计 | 第56页 |
| ·基于BP 神经网络模型的年径流预测 | 第56-63页 |
| ·数据的预处理 | 第56-57页 |
| ·网络输入、输出层及隐含层的确定 | 第57页 |
| ·BP 神经网络模型的应用 | 第57-60页 |
| ·考虑降水影响的BP 预报模型 | 第60-63页 |
| 第六章 结论与展望 | 第63-65页 |
| ·结论 | 第63-64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 作者简介 | 第70页 |