摘要 | 第1-4页 |
Abstract | 第4-9页 |
第1章 绪论 | 第9-19页 |
·研究背景及意义 | 第9页 |
·国内外相关研究的现状和趋势 | 第9-17页 |
·水文模型不确定性研究综述 | 第9-13页 |
·信息熵与互信息在水文学中的应用综述 | 第13-16页 |
·存在的问题和发展趋势 | 第16-17页 |
·论文的研究思路与主要内容 | 第17-19页 |
第2章 信息熵和互信息的度量及模型不确定性分析框架 | 第19-78页 |
·概述 | 第19页 |
·随机变量的信息度量 | 第19-36页 |
·信息熵的定义 | 第19-24页 |
·互信息的定义 | 第24-25页 |
·信息熵与互信息之间的关系 | 第25-28页 |
·多元随机变量的互信息 | 第28-31页 |
·信息熵和互信息的基本性质 | 第31-35页 |
·数据处理不等式 | 第35-36页 |
·低维信息熵的度量方法 | 第36-44页 |
·直方图法 | 第36-40页 |
·核函数法 | 第40-42页 |
·平均直方图法 | 第42-44页 |
·高维信息熵的度量方法 | 第44-48页 |
·传统方法的困境——维数灾 | 第44-47页 |
·Leonenko 方法度量高维信息熵 | 第47-48页 |
·信息度量方法的精度验证 | 第48-59页 |
·一维概率分布下的验证 | 第49-54页 |
·二维概率分布下的验证 | 第54-56页 |
·高维概率分布下的验证 | 第56-59页 |
·基于信息熵和互信息的流域水文模型不确定性分析框架 | 第59-76页 |
·随机和认知不确定性的概念 | 第59-62页 |
·用互信息表示随机不确定性 | 第62-65页 |
·用互信息表示认知不确定性 | 第65-66页 |
·从实际水文数据计算随机/认知不确定性 | 第66-70页 |
·基于信息熵和互信息的水文模型不确定性分析实例 | 第70-76页 |
·本章小结 | 第76-78页 |
第3章 信息熵和互信息度量方法的改进 | 第78-107页 |
·概述 | 第78页 |
·基于非标准多元正态分布的数值实验 | 第78-80页 |
·采用的非标准正态分布及其互信息的理论解 | 第78-79页 |
·Leonenko 方法在非标准正态分布下的问题诊断 | 第79-80页 |
·基于水文模型的人工合成数据实验 | 第80-83页 |
·人工合成数据的生成 | 第80-82页 |
·基于人工合成数据的 Leonenko 方法问题诊断 | 第82-83页 |
·水文数据的内在维数估计与互信息计算 | 第83-98页 |
·ISOMAP 方法 | 第84-88页 |
·MLE 方法 | 第88-92页 |
·kNNopt 方法 | 第92-94页 |
·CorrDim 方法 | 第94-98页 |
·基于支持向量机的互信息度量方法 | 第98-106页 |
·支持向量机基本原理 | 第99-102页 |
·基于支持向量机的日径流过程拟合 | 第102-104页 |
·基于支持向量机的互信息估计 | 第104-106页 |
·本章小结 | 第106-107页 |
第4章 不确定性分析方法在流域水文模拟中的应用 | 第107-133页 |
·概述 | 第107页 |
·研究流域与采用的模型 | 第107-116页 |
·研究流域 | 第108-109页 |
·采用的模型 | 第109-116页 |
·不同流域的应用效果比较 | 第116-122页 |
·基于 ISOMAP 的随机不确定性分析 | 第116-117页 |
·随机和认知不确定性的计算 | 第117-121页 |
·随机不确定性与最优模拟效果 | 第121-122页 |
·不同模型的应用效果比较 | 第122-125页 |
·认知不确定性的比较 | 第122-123页 |
·线性/非线性系统误差的比较 | 第123-125页 |
·关于水文模拟中随机和认知不确定性的讨论 | 第125-131页 |
·随机不确定性与数据处理不等式 | 第125-127页 |
·认知不确定性与模型结构不完备性 | 第127-129页 |
·流域水文预报中的模型选择及改进策略 | 第129-131页 |
·本章小结 | 第131-133页 |
第5章 总结与展望 | 第133-138页 |
·主要研究成果 | 第133-135页 |
·主要创新点 | 第135-136页 |
·研究工作中的不足与展望 | 第136-138页 |
参考文献 | 第138-151页 |
致谢 | 第151-153页 |
个人简历、在学期间发表的学术论文与研究成果 | 第153-154页 |