| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究进展 | 第11-14页 |
| 1.2.1 水文过程变化规律的分析方法 | 第11-12页 |
| 1.2.2 小波分析方法 | 第12页 |
| 1.2.3 人工神经网络方法 | 第12-14页 |
| 1.2.4 存在的问题 | 第14页 |
| 1.3 论文的研究目标、主要研究内容及技术路线 | 第14-16页 |
| 1.3.1 论文的研究目标 | 第14页 |
| 1.3.2 论文的主要研究内容 | 第14-15页 |
| 1.3.3 论文研究的技术路线 | 第15-16页 |
| 2 研究区概况 | 第16-19页 |
| 2.1 流域概况 | 第16-18页 |
| 2.1.1 自然概况 | 第16-17页 |
| 2.1.2 社会经济情况 | 第17-18页 |
| 2.2 主要的环境问题 | 第18页 |
| 2.3 资料选取 | 第18-19页 |
| 3 锡林河流域年径流变化特性分析 | 第19-29页 |
| 3.1 径流变化特征分析 | 第19-21页 |
| 3.1.1 径流的年际变化 | 第19-20页 |
| 3.1.2 年径流变化距平分析 | 第20-21页 |
| 3.2 径流变化趋势分析 | 第21-23页 |
| 3.2.1 5年滑动平均值分析 | 第21页 |
| 3.2.2 累积滤波器 | 第21-22页 |
| 3.2.3 Kendall秩次相关检验 | 第22-23页 |
| 3.3 年径流序列突变分析 | 第23-25页 |
| 3.4 影响径流变化因素的分析 | 第25-28页 |
| 3.4.1 径流与气候因子的相关分析 | 第25-26页 |
| 3.4.2 降水量对径流的影响 | 第26-27页 |
| 3.4.3 人类的活动对年径流影响 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 4 基于小波理论对锡林河流域年径流序列多时间尺度分析 | 第29-37页 |
| 4.1 小波分析的理论概念 | 第29-32页 |
| 4.1.1 小波分析定义 | 第29页 |
| 4.1.2 小波变换 | 第29-30页 |
| 4.1.3 小波函数选择 | 第30-31页 |
| 4.1.4 小波方差 | 第31-32页 |
| 4.2 锡林河流域年径流量序列多时间尺度分析 | 第32-36页 |
| 4.2.1 径流资料预处理 | 第32页 |
| 4.2.2 年径流量序列的时频分析 | 第32-36页 |
| 4.3 本章小结 | 第36-37页 |
| 5 基于人工神经网络对锡林河流域年径流序列预测 | 第37-53页 |
| 5.1 人工神经网络理论 | 第37-40页 |
| 5.1.1 人工神经网络的概述 | 第37-38页 |
| 5.1.2 人工神经网络的基本原理 | 第38-39页 |
| 5.1.3 人工神经网络的学习 | 第39-40页 |
| 5.2 BP神经网络理论 | 第40-43页 |
| 5.2.1 BP神经网络的基本原理 | 第40-41页 |
| 5.2.2 BP神经网络算法的步骤 | 第41-42页 |
| 5.2.3 BP神经网络模型的设计 | 第42-43页 |
| 5.3 利用MATLAB建立BP神经网络模型 | 第43-44页 |
| 5.4 BP神经网络模型的应用 | 第44-49页 |
| 5.4.1 模型Ⅰ | 第44-47页 |
| 5.4.2 模型Ⅱ | 第47-49页 |
| 5.5 时间序列预测模型应用 | 第49-51页 |
| 5.5.1 自回归移动平均模型 | 第49-50页 |
| 5.5.2 模型设计 | 第50页 |
| 5.5.3 利用MATLAB建立ARMA模型 | 第50-51页 |
| 5.5.4 模型应用 | 第51页 |
| 5.6 本章小结 | 第51-53页 |
| 6 结论与展望 | 第53-55页 |
| 6.1 结论 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 作者简介 | 第59页 |