| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文内容与结构 | 第15-16页 |
| 第2章 相关技术分析 | 第16-20页 |
| 2.1 常用水文模型比较 | 第16-17页 |
| 2.2 常见预测算法介绍 | 第17页 |
| 2.2.1 神经网络 | 第17页 |
| 2.2.2 遗传算法 | 第17页 |
| 2.2.3 粒子群算法 | 第17页 |
| 2.3 分布式水文模型 | 第17-19页 |
| 2.3.1 并行化技术 | 第18-19页 |
| 2.3.2 并布化水文模型执行流程 | 第19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 基于pso算法改进的BP神经网络 | 第20-24页 |
| 3.1 算法结构设计 | 第20-21页 |
| 3.1.1 神经网络结构设计方法 | 第20页 |
| 3.1.2 基于pso的神经网络设计过程 | 第20-21页 |
| 3.2 算法实验 | 第21-22页 |
| 3.3 本章小结 | 第22-24页 |
| 第4章 分布式模型 | 第24-38页 |
| 4.1 三水源新安江模型介绍 | 第24-30页 |
| 4.1.1 蒸散发计算 | 第25-27页 |
| 4.1.2 产流计算 | 第27-28页 |
| 4.1.3 水源划分 | 第28-30页 |
| 4.1.4 汇流计算 | 第30页 |
| 4.2 河道洪水演进 | 第30-31页 |
| 4.3 四水源新安江模型 | 第31页 |
| 4.4 分布式新安江模型的设计 | 第31-32页 |
| 4.5 基于Hadoop的DEM分析模型 | 第32-35页 |
| 4.5.1 DEM分析过程并行化 | 第32-33页 |
| 4.5.2 基于Hadoop的DEM分析的原型系统 | 第33-34页 |
| 4.5.3 系统的存储计算模块 | 第34-35页 |
| 4.6 分布式新安江模型的实现 | 第35-37页 |
| 4.6.1 基于Map Reduce的新安江模型实现步骤 | 第35-36页 |
| 4.6.2 基于Map Reduce框架的算法并行化 | 第36-37页 |
| 4.7 本章小结 | 第37-38页 |
| 第5章 算法模拟与对比 | 第38-46页 |
| 5.1 田庄水库在洪水预报中的作用 | 第38-40页 |
| 5.1.1 田庄水库流域概况 | 第38页 |
| 5.1.2 地形地貌 | 第38-39页 |
| 5.1.3 河流水系 | 第39页 |
| 5.1.4 水文基本资料 | 第39-40页 |
| 5.2 模拟结果比较 | 第40-45页 |
| 5.2.1 基于BP神经网络的三水源新安江模型模拟 | 第40-42页 |
| 5.2.2 基于PSO算法的BP神经网络的三水源新安江模型模拟 | 第42-43页 |
| 5.2.3 基于BP神经网络的四水源新安江模型模拟 | 第43-44页 |
| 5.2.4 基于PSO算法的BP神经网络的四水源新安江模型模拟 | 第44-45页 |
| 5.3 本章小结 | 第45-46页 |
| 结论 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士学位期间所发表的学术论文 | 第52-54页 |
| 致谢 | 第54页 |
