| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 选题背景及意义 | 第12-14页 |
| 1.1.1 选题背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 研究方法及内容 | 第14-17页 |
| 1.2.1 研究方法 | 第14页 |
| 1.2.2 主要内容 | 第14-16页 |
| 1.2.3 论文框架 | 第16-17页 |
| 第2章 相关文献综述 | 第17-22页 |
| 2.1 闸坝调度管理评估 | 第17-19页 |
| 2.2 灰色模型(GM) | 第19-20页 |
| 2.3 BP人工神经网络(BPANN) | 第20-22页 |
| 第3章 闸坝调度管理评价指标体系的构建 | 第22-31页 |
| 3.1 评价指标体系的构建 | 第22-24页 |
| 3.1.1 构建原则 | 第22-23页 |
| 3.1.2 构建思路 | 第23-24页 |
| 3.2 指标体系及其含义 | 第24-27页 |
| 3.2.1 指标体系 | 第24-25页 |
| 3.2.2 指标体系约简 | 第25页 |
| 3.2.3 指标含义 | 第25-27页 |
| 3.3 利用AHP确定指标权重 | 第27-30页 |
| 3.3.1 层次分析法(AHP) | 第27-28页 |
| 3.3.2 AHP确定闸坝调度管理评价指标权重的具体步骤 | 第28-29页 |
| 3.3.3 案例计算 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 GA-BP模型在闸坝调度管理评估中的应用 | 第31-46页 |
| 4.1 基于GA优化的BP人工神经网络(GA-BP)模型构建 | 第31-43页 |
| 4.1.1 训练数据准备 | 第31-33页 |
| 4.1.2 BP人工神经网络结构 | 第33页 |
| 4.1.3 GA优化初始权值、阈值 | 第33-34页 |
| 4.1.4 基于GA优化的BP人工神经网络模型 | 第34-37页 |
| 4.1.5 BP人工神经网络隐藏节点选取 | 第37-40页 |
| 4.1.6 BP人工神经网络训练测试 | 第40-43页 |
| 4.2 实例分析 | 第43-45页 |
| 4.2.1 研究区概况及样本选取 | 第43-44页 |
| 4.2.2 实例计算 | 第44-45页 |
| 4.3 本章小结 | 第45-46页 |
| 第5章 GM-BP组合模型在闸坝调度管理评估中的应用 | 第46-62页 |
| 5.1 灰色模型GM(1,1) | 第46页 |
| 5.2 灰色模型、BP人工神经网络(GM-BP)组合介绍 | 第46-48页 |
| 5.3 数据分析及方法比较 | 第48-51页 |
| 5.4 本文方法与灰色关联分析法、TOPSIS法和FCE法比较 | 第51-61页 |
| 5.4.1 灰色关联分析法 | 第51-55页 |
| 5.4.2 逼近理想解排序法(TOPSIS) | 第55-57页 |
| 5.4.3 模糊综合评价(FCE) | 第57-60页 |
| 5.4.4 方法间的综合比较 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第6章 研究结论和展望 | 第62-65页 |
| 6.1 研究结论及贡献 | 第62-63页 |
| 6.2 研究不足与展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 附录 | 第70-72页 |
| 致谢 | 第72-74页 |
| 在读期间发表的学术论文及取得的其他研究成果 | 第74页 |
