| 摘要 | 第4-6页 |
| 英文摘要 | 第6-7页 |
| 第一章 绪论 | 第11-24页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究进展 | 第12-21页 |
| 1.2.1 水文多变量分析研究进展 | 第12-13页 |
| 1.2.2 Copula函数在水文多变量分析中的研究进展 | 第13-16页 |
| 1.2.3 序列长度对copula建模不确定性影响研究进展 | 第16-18页 |
| 1.2.4 水文随机模拟的研究进展 | 第18-20页 |
| 1.2.5 信息熵理论在水文随机模拟中的研究进展 | 第20-21页 |
| 1.3 论文研究思路 | 第21-24页 |
| 1.3.1 研究内容 | 第21-22页 |
| 1.3.2 技术路线 | 第22-24页 |
| 第二章 Copula函数和信息熵理论 | 第24-33页 |
| 2.1 本章引言 | 第24页 |
| 2.2 copula函数 | 第24-28页 |
| 2.2.1 Copula函数基本概念 | 第24-25页 |
| 2.2.2. Copula函数参数率定 | 第25-26页 |
| 2.2.3 Copula函数拟合程度检验 | 第26-28页 |
| 2.3 信息熵理论 | 第28-33页 |
| 2.3.1 信息熵基本概念 | 第28页 |
| 2.3.2 Shannon嫡 | 第28-30页 |
| 2.3.3 最大熵原理 | 第30-33页 |
| 第三章 基于copula函数的洪水径流多变量分析 | 第33-48页 |
| 3.1 本章引言 | 第33页 |
| 3.2 研究方法 | 第33-34页 |
| 3.2.1 von Mises分布 | 第33-34页 |
| 3.2.2 边缘分布 | 第34页 |
| 3.2.3 copula函数选择 | 第34页 |
| 3.3 实例：黄河三门峡站和花园口站典型洪水径流分析 | 第34-46页 |
| 3.3.1 流域概况 | 第34-36页 |
| 3.3.2 数据选取 | 第36-37页 |
| 3.3.3 copula函数优选 | 第37-43页 |
| 3.3.4 结果分析与讨论 | 第43-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第四章 序列长度对copula建模的不确定性影响 | 第48-68页 |
| 4.1 本章引言 | 第48页 |
| 4.2 研究方法 | 第48-51页 |
| 4.2.1 Archimedean copula模型 | 第48-49页 |
| 4.2.2 Copula模型拟合效果检验 | 第49-50页 |
| 4.2.3 边缘分布的率定和回归周期计算 | 第50-51页 |
| 4.3 实例：长江寸滩站和宜昌站案例分析 | 第51-66页 |
| 4.3.1 流域概况 | 第51-52页 |
| 4.3.2 数据选取 | 第52-56页 |
| 4.3.3 copula函数优选 | 第56-61页 |
| 4.3.4 结果分析与讨论 | 第61-66页 |
| 4.4 本章小结 | 第66-68页 |
| 第五章 基于最大熵原理的月径流随机模拟 | 第68-83页 |
| 5.1 本章引言 | 第68页 |
| 5.2 研究方法 | 第68-72页 |
| 5.3 实例：最大熵原理模拟黄河花园口月径流过程 | 第72-81页 |
| 5.3.1 流域概况 | 第72页 |
| 5.3.2 数据选取和参数率定 | 第72-73页 |
| 5.3.3 结果分析与讨论 | 第73-81页 |
| 5.4 本章小结 | 第81-83页 |
| 第六章 结论与展望 | 第83-86页 |
| 6.1 论文结论 | 第83-84页 |
| 6.2 主要创新点 | 第84页 |
| 6.3 不足与展望 | 第84-86页 |
| 参考文献 | 第86-94页 |
| 致谢 | 第94-96页 |
| 个人简历与研究成果 | 第96-97页 |
