| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-17页 |
| ·引言 | 第10页 |
| ·国内外研究现状 | 第10-15页 |
| ·本文的主要研究内容 | 第15-17页 |
| 2 河道洪水演算的水文学方法 | 第17-23页 |
| ·河道洪水演算的水文学方法 | 第17-21页 |
| ·相应水位法和合成流量法 | 第17-18页 |
| ·马斯京根流量演算法 | 第18-20页 |
| ·马斯京根分段连续演算 | 第20-21页 |
| ·非线性马斯京根法 | 第21-22页 |
| ·有支流河段的流量演算法 | 第22-23页 |
| 3 BP 神经网络及其在河道洪水预报中的应用 | 第23-39页 |
| ·人工神经网络理论 | 第23-28页 |
| ·人工神经网络的基本结构 | 第23-25页 |
| ·人工神经网络的互联模式 | 第25-27页 |
| ·人工神经网络的学习过程 | 第27-28页 |
| ·BP 网络 | 第28-36页 |
| ·BP 网络结构 | 第28-29页 |
| ·BP 网络学习过程 | 第29-33页 |
| ·BP 网络设计 | 第33页 |
| ·BP 算法主要优缺点 | 第33-34页 |
| ·BP 网络算法的改进 | 第34-36页 |
| ·BP 神经网络在河道洪水预报中的应用 | 第36-39页 |
| 4 贝叶斯概率水文预报理论 | 第39-46页 |
| ·贝叶斯定理及贝叶斯统计推断过程 | 第39-40页 |
| ·贝叶斯概率水文预报的理论体系 | 第40-44页 |
| ·概率水文预报的特点 | 第40-41页 |
| ·贝叶斯水文预报的原理 | 第41-44页 |
| ·线性——正态模型 | 第44-46页 |
| 5 基于 BP 网络和贝叶斯方法的河道洪水概率预报 | 第46-61页 |
| ·流量先验分布和似然函数的BP 神经网络模型 | 第46-48页 |
| ·流量先验分布 | 第47-48页 |
| ·流量似然函数 | 第48页 |
| ·研究成果及分析 | 第48-61页 |
| ·传统的马斯京干法河道流量演算应用 | 第49-54页 |
| ·BP 神经网络在河道洪水预报方面的应用研究 | 第54-57页 |
| ·基于贝叶斯方法的河道洪水概率预报研究探索 | 第57-61页 |
| 6 总结与展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |