| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第14-28页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外城市供水量预测研究现状 | 第15-16页 |
| 1.3 城市供水量预测方法总结 | 第16-25页 |
| 1.3.1 传统预测方法 | 第16-19页 |
| 1.3.2 新技术预测方法 | 第19-23页 |
| 1.3.3 预测方法总结 | 第23-25页 |
| 1.4 研究内容及章节安排 | 第25-28页 |
| 第二章 供水量时序的预处理及其可预测性分析 | 第28-48页 |
| 2.1 供水量时序的预处理 | 第28-34页 |
| 2.1.1 时间序列的基本特征 | 第28-30页 |
| 2.1.2 时间序列的分解 | 第30-31页 |
| 2.1.3 非平稳时间序列平稳化处理 | 第31-32页 |
| 2.1.4 离群值的处理 | 第32-34页 |
| 2.2 时间序列的可预测性 | 第34-43页 |
| 2.2.1 相空间重构 | 第34-35页 |
| 2.2.2 延迟时间 | 第35-36页 |
| 2.2.3 嵌入维数 | 第36-38页 |
| 2.2.4 供水量时序的延迟时间和嵌入维的选取 | 第38-43页 |
| 2.3 供水量时间序列混沌特性的判定 | 第43-47页 |
| 2.3.1 功率谱 | 第43-44页 |
| 2.3.2 最大李雅普诺夫指数 | 第44-47页 |
| 2.4 本章小结 | 第47-48页 |
| 第三章 基于混沌理论的预测方法 | 第48-66页 |
| 3.1 混沌理论概述 | 第48-50页 |
| 3.1.1 混沌理论的产生及发展 | 第48-49页 |
| 3.1.2 混沌的定义 | 第49-50页 |
| 3.2 常用混沌预测法 | 第50-57页 |
| 3.2.1 混沌全域法 | 第50-51页 |
| 3.2.2 混沌局域法 | 第51-53页 |
| 3.2.3 基于最大李雅普诺夫指数预测模型 | 第53-54页 |
| 3.2.4 三种混沌预测模型的供水量预测实例比较 | 第54-57页 |
| 3.3 混沌局域法邻近点优选 | 第57-64页 |
| 3.3.1 基于演化跟踪的邻近相点选取方法 | 第58页 |
| 3.3.2 基于信息准则的邻近点选取方法 | 第58-60页 |
| 3.3.3 局域法邻近点优选方法的供水量预测实例比较 | 第60-64页 |
| 3.4 本章小结 | 第64-66页 |
| 第四章 人工神经网络预测法 | 第66-86页 |
| 4.1 人工神经网络简介 | 第66-69页 |
| 4.1.1 人工神经网络技术的发展 | 第66-67页 |
| 4.1.2 常用的人工神经网络激发函数 | 第67-68页 |
| 4.1.3 神经网络的分类 | 第68-69页 |
| 4.2 常用的神经网络模型 | 第69-85页 |
| 4.2.1 BP神经网络 | 第70-75页 |
| 4.2.2 RBF神经网络 | 第75-77页 |
| 4.2.3 GRNN神经网络 | 第77-80页 |
| 4.2.4 RBF神经网络和BP神经网络的比较 | 第80-81页 |
| 4.2.5 三种神经网络的供水量预测实例比较 | 第81-85页 |
| 4.3 本章小结 | 第85-86页 |
| 第五章 混沌局域法与神经网络供水量预测组合模型 | 第86-96页 |
| 5.1 组合模型概述及其特点 | 第86-87页 |
| 5.2 混沌理论与神经网络的特点 | 第87-88页 |
| 5.3 混沌局域法与神经网络供水量预测组合模型 | 第88-94页 |
| 5.3.1 模型原理 | 第88-89页 |
| 5.3.2 建模步骤 | 第89-90页 |
| 5.3.3 最大预测时间 | 第90页 |
| 5.3.4 模型预测结果 | 第90-94页 |
| 5.4 本章小结 | 第94-96页 |
| 第六章 总结与展望 | 第96-100页 |
| 6.1 结论 | 第96-97页 |
| 6.2 主要创新点 | 第97页 |
| 6.3 展望 | 第97-100页 |
| 致谢 | 第100-102页 |
| 参考文献 | 第102-114页 |
| 附录 A. 攻读硕士学位期间发表的论文及参与的科研项目 | 第114-115页 |