| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| 1．1 水文预报的重要性 | 第8页 |
| 1．2 水文预报的发展 | 第8-12页 |
| 1．3 存在的问题 | 第12-14页 |
| 第二章 人工神经网络和遗传算法简介 | 第14-24页 |
| 2．1 人工神经网络 | 第14-19页 |
| 2．1．1 人工神经网络的研究发展历史 | 第14-16页 |
| 2．1．2 误差逆传播算法 | 第16-19页 |
| 2．2 遗传算法 | 第19-24页 |
| 2．2．1 遗传算法的发展 | 第19-20页 |
| 2．2．2 基本遗传算法 | 第20-22页 |
| 2．2．3 遗传算法的理论基础 | 第22-24页 |
| 第三章 洪水水位的人工神经网络预报模型 | 第24-32页 |
| 3．1 引言 | 第24-25页 |
| 3．2 洪水预报模型的建立 | 第25-27页 |
| 3．2．1 训练模式对的准备 | 第25-26页 |
| 3．2．3 输入单元数据的规范化 | 第26-27页 |
| 3．2．4 输出单元数据的规范化 | 第27页 |
| 3．3 预报结果及总结 | 第27-32页 |
| 第四章 自适应遗传算法 | 第32-39页 |
| 4．1 问题的提出 | 第32-33页 |
| 4．2 自适应遗传算法 | 第33-34页 |
| 4．3 理论分析 | 第34-35页 |
| 4．4 算例 | 第35-38页 |
| 4．5 结论 | 第38-39页 |
| 第五章 基于自适应遗传算法和BP网络的洪水预报模型 | 第39-44页 |
| 5．1 问题的提出 | 第39页 |
| 5．2 基于自适应遗传算法的BP网络算法设计 | 第39-41页 |
| 5．3 洪水预报模型 | 第41-42页 |
| 5．4 应用实例 | 第42-43页 |
| 5．5 结论 | 第43-44页 |
| 第六章 应用于复杂河段的人工神经网络洪水预报模型 | 第44-50页 |
| 6．1 问题的提出 | 第44-45页 |
| 6．2 人工神经网络预报模型 | 第45-46页 |
| 6．3 应用实例 | 第46-48页 |
| 6．4 运算结果及分析 | 第48-49页 |
| 6．5 结论 | 第49-50页 |
| 第七章 结束语和展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |