| 摘要 | 第1-5页 |
| Abstract | 第5-15页 |
| 1 绪论 | 第15-23页 |
| ·选题背景、依据和意义 | 第15-19页 |
| ·选题背景 | 第15-17页 |
| ·选题依据 | 第17-19页 |
| ·选题意义 | 第19页 |
| ·研究内容 | 第19-21页 |
| ·论文结构 | 第21-23页 |
| 2 文献回顾 | 第23-42页 |
| ·水资源需求预测研究进展 | 第23-26页 |
| ·需水预测方法研究进展 | 第23-24页 |
| ·预测模型参数优化研究进展 | 第24-25页 |
| ·需水预测的主要问题和发展趋势 | 第25-26页 |
| ·水资源优化配置研究进展 | 第26-34页 |
| ·基于水量的优化配置阶段 | 第26-29页 |
| ·基于水质-水量联合的优化配置阶段 | 第29-31页 |
| ·基于空间的水资源优化配置阶段 | 第31-32页 |
| ·GIS 在水资源优化中的研究进展 | 第32-33页 |
| ·水资源优化配置的主要问题和发展趋势 | 第33-34页 |
| ·蚁群算法的研究进展 | 第34-41页 |
| ·离散域蚁群算法研究进展 | 第35页 |
| ·连续域蚁群算法研究进展 | 第35-37页 |
| ·蚁群聚类算法研究进展 | 第37-38页 |
| ·多目标蚁群算法研究进展 | 第38-40页 |
| ·蚁群算法的主要问题和发展趋势 | 第40-41页 |
| ·论文主要解决的问题 | 第41-42页 |
| 3 研究方法 | 第42-52页 |
| ·研究区概况 | 第42-47页 |
| ·基本概况 | 第42-43页 |
| ·水资源概况 | 第43-45页 |
| ·数据采集与处理 | 第45-47页 |
| ·研究总体思路 | 第47-48页 |
| ·关键技术与方法 | 第48-50页 |
| ·多目标水资源优化配置模型构建 | 第48页 |
| ·参数优化提取 | 第48-49页 |
| ·蚁群算法的改进 | 第49页 |
| ·水资源优化配置方案评价 | 第49-50页 |
| ·技术路线 | 第50-52页 |
| 4 水资源需求现状评估 | 第52-76页 |
| ·水资源需求量的组成、特点与评估 | 第53-56页 |
| ·水资源需求量的组成结构 | 第53页 |
| ·水资源需求量的特点 | 第53-54页 |
| ·水资源需求量的评估 | 第54-56页 |
| ·蚁群算法 | 第56-62页 |
| ·蚁群算法原理 | 第56-57页 |
| ·蚁群算法实现 | 第57-59页 |
| ·蚁群聚类算法原理 | 第59-61页 |
| ·蚁群聚类算法实现 | 第61页 |
| ·蚁群算法优缺点 | 第61-62页 |
| ·蚁群算法在 GIS 中的实现 | 第62-63页 |
| ·水资源需求量求解 | 第63-72页 |
| ·水资源需求类型提取 | 第63-64页 |
| ·林地与草地的进一步分类 | 第64-67页 |
| ·像元上人畜数量和工业总产值的确定 | 第67-68页 |
| ·建筑用地中居民地的确定 | 第68-70页 |
| ·水体中非水体信息的处理 | 第70-71页 |
| ·水资源需求量的计算 | 第71-72页 |
| ·结果验证与评估 | 第72-75页 |
| ·蚁群聚类算法与其它方法的比较 | 第72-73页 |
| ·聚类结果的 F-measure 评价 | 第73-75页 |
| ·小结 | 第75-76页 |
| 5 水资源需求预测分析 | 第76-94页 |
| ·PP 需水预测模型 | 第77-80页 |
| ·投影寻踪模型构建 | 第77-79页 |
| ·需水预测驱动因素分析 | 第79页 |
| ·基于投影寻踪的需水预测模型 | 第79-80页 |
| ·基于 ACA 的模型参数优化 | 第80-83页 |
| ·参数优化目标函数的建立 | 第80页 |
| ·参数优化的蚁群算法设计 | 第80-82页 |
| ·参数优化 ACA 的实现步骤 | 第82-83页 |
| ·实例仿真 | 第83-93页 |
| ·案例区水资源现状 | 第83-85页 |
| ·驱动因子确定和缺失数据处理 | 第85页 |
| ·年需水量预测 | 第85-88页 |
| ·ACA 有效性验证 | 第88-90页 |
| ·镇平县水资源供需平衡与缺水分析 | 第90-93页 |
| ·小结 | 第93-94页 |
| 6 水资源优化配置模型分析 | 第94-109页 |
| ·水资源优化配置 | 第94-98页 |
| ·水资源优化配置原则 | 第94-96页 |
| ·水资源优化配置分类 | 第96-97页 |
| ·水资源优化配置基本模式 | 第97-98页 |
| ·多目标优化问题 | 第98-102页 |
| ·多目标优化问题定义 | 第98-99页 |
| ·多目标函数处理方法 | 第99-100页 |
| ·约束条件处理方法 | 第100-102页 |
| ·多目标优化问题分类 | 第102-104页 |
| ·依据发展历史分类 | 第102-103页 |
| ·依据决策方式分类 | 第103页 |
| ·依据选择机制分类 | 第103-104页 |
| ·基于多目标的水资源优化配置模型构建 | 第104-108页 |
| ·建模总体思路 | 第104页 |
| ·目标函数构建 | 第104-106页 |
| ·约束条件构建 | 第106-107页 |
| ·模型特点与功能 | 第107-108页 |
| ·小结 | 第108-109页 |
| 7 水资源优化配置模型求解 | 第109-145页 |
| ·PACA 相关定义和求解思路 | 第110-114页 |
| ·Pareto 相关定义 | 第110-112页 |
| ·Pareto 蚁群算法相关定义 | 第112-113页 |
| ·基于 PACA 的模型求解思路 | 第113-114页 |
| ·PACA 策略设计 | 第114-120页 |
| ·禁忌表调整 | 第115页 |
| ·伪随机并行搜索 | 第115-116页 |
| ·信息素局部动态更新 | 第116-117页 |
| ·全局信息素动态更新 | 第117-118页 |
| ·最近邻域选择 | 第118-119页 |
| ·权值低通滤波器 | 第119页 |
| ·Pareto 解集过滤器 | 第119页 |
| ·Pareto 最优解集的分布性 | 第119-120页 |
| ·PACA 的多目标寻优过程 | 第120-121页 |
| ·PACA 参数对算法性能影响的实验分析 | 第121-124页 |
| ·初始参数的确定 | 第121页 |
| ·蚂蚁数目对算法性能的影响 | 第121-122页 |
| ·启发因子对算法性能的影响 | 第122页 |
| ·期望启发因子对算法性能的影响 | 第122-123页 |
| ·信息素挥发因子对算法性能的影响 | 第123页 |
| ·信息素强度对算法性能的影响 | 第123-124页 |
| ·水资源优化配置评估 | 第124-125页 |
| ·间距评估 | 第124页 |
| ·最大散布范围评估 | 第124页 |
| ·优劣度评判指数 | 第124-125页 |
| ·水资源优化配置系统熵 | 第125页 |
| ·实例仿真 | 第125-143页 |
| ·参数设置与模型求解 | 第125-127页 |
| ·重构方案分析 | 第127-137页 |
| ·配置结果分析 | 第137-139页 |
| ·PACA 效能验证 | 第139-142页 |
| ·对策与建议 | 第142-143页 |
| ·小结 | 第143-145页 |
| 8 结论与展望 | 第145-150页 |
| ·主要工作 | 第145-146页 |
| ·主要结论 | 第146-147页 |
| ·主要创新 | 第147-149页 |
| ·不足与展望 | 第149-150页 |
| 参考文献 | 第150-174页 |
| 致谢 | 第174-176页 |
| 攻读博士学位期间的主要科研工作 | 第176-178页 |
| 附录 | 第178-199页 |
| 附录 A 基于 ArcGIS Engine 的离散域蚁群算法代码 | 第178-183页 |
| 附录 B 确定水资源需求类型的蚁群聚类算法主要代码 | 第183-190页 |
| 附录 C 需水预测模型参数优化的连续域蚁群算法主要代码 | 第190-194页 |
| 附录 D 求解水资源优化配置模型的 Pareto 蚁群算法主要代码 | 第194-199页 |
