澜沧江水沙关系与趋势预测
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-17页 |
| 1.3 本文主要研究内容 | 第17-19页 |
| 2 澜沧江自然水沙变化 | 第19-45页 |
| 2.1 数据采集与预处理 | 第19-20页 |
| 2.2 研究方法及评价指标 | 第20-23页 |
| 2.3 径流量时序变化 | 第23-32页 |
| 2.3.1 径流量年际变化 | 第23-28页 |
| 2.3.2 径流量年内分配 | 第28-32页 |
| 2.4 输沙通量时序变化 | 第32-39页 |
| 2.4.1 输沙通量年际变化 | 第32-36页 |
| 2.4.2 输沙通量年内分配 | 第36-39页 |
| 2.5 输沙通量导数 | 第39-44页 |
| 2.6 本章小结 | 第44-45页 |
| 3 水文序列的多时间尺度分析 | 第45-56页 |
| 3.1 小波分析理论及数据处理 | 第45-47页 |
| 3.2 径流量的小波分析 | 第47-51页 |
| 3.3 输沙通量的小波分析 | 第51-54页 |
| 3.4 水文序列小波分析对比 | 第54-55页 |
| 3.5 本章小结 | 第55-56页 |
| 4 澜沧江输沙通量预测 | 第56-80页 |
| 4.1 性能评价指标 | 第56-57页 |
| 4.2 月输沙通量的神经网络预测 | 第57-71页 |
| 4.2.1 BP神经网络模型 | 第57-63页 |
| 4.2.2 优化BP神经网络模型 | 第63-65页 |
| 4.2.3 小波神经网络模型 | 第65-71页 |
| 4.3 年输沙通量的SPA模型预报 | 第71-75页 |
| 4.3.1 小波消噪改进集对分析模型 | 第71-73页 |
| 4.3.2 年输沙通量预报 | 第73-75页 |
| 4.4 不同预测模型对比 | 第75-78页 |
| 4.4.1 BP-NN和WNN模型对比 | 第75-76页 |
| 4.4.2 WD_SPA和BP-NN模型对比 | 第76-78页 |
| 4.5 本章小结 | 第78-80页 |
| 5 结论与展望 | 第80-83页 |
| 5.1 结论 | 第80-81页 |
| 5.2 展望 | 第81-82页 |
| 5.3 创新点 | 第82-83页 |
| 参考文献 | 第83-91页 |
| 基金 | 第91页 |
| 作者简历 | 第91页 |
