| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 混合智能算法求解参数优化问题现状分析 | 第9-10页 |
| 1.3 本文研究目的及主要内容 | 第10-11页 |
| 1.4 论文结构安排 | 第11-12页 |
| 第二章 机器学习算法 | 第12-18页 |
| 2.1 机器学习简介 | 第12页 |
| 2.2 数据挖掘理论下机器学习相关算法 | 第12-15页 |
| 2.3 本文中应用的具体方法 | 第15-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第三章 基于机器学习的改进模拟退火算法反演水文地质参数 | 第18-31页 |
| 3.1 水文地质参数识别优化模型 | 第18-19页 |
| 3.1.1 模型建立 | 第18页 |
| 3.1.2 模型求解 | 第18-19页 |
| 3.2 机器学习结合改进的模拟退火算法求解水文地质参数 | 第19-29页 |
| 3.2.1 模拟退火算法 | 第19-20页 |
| 3.2.2 模拟退火算法的改进 | 第20-23页 |
| 3.2.3 水文地质参数模型求解 | 第23-29页 |
| 3.3 本章小结 | 第29-31页 |
| 第四章 机器学习结合改进粒子群算法求解水文地质参数 | 第31-43页 |
| 4.1 粒子群算法简介 | 第31-34页 |
| 4.2 改进粒子群算法 | 第34-36页 |
| 4.3 参数求解 | 第36-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 基于机器学习的混合智能算法确定河流水质参数 | 第43-52页 |
| 5.1 河流水质参数及其模型 | 第43-44页 |
| 5.2 机器学习结合改进模拟退火算法求解一维河流水质参数 | 第44-47页 |
| 5.2.1 一维河流水质模型 | 第44页 |
| 5.2.2 参数求解 | 第44-47页 |
| 5.3 机器学习结合改进粒子群算法求解二维河流水质参数 | 第47-51页 |
| 5.3.1 二维河流水质参数 | 第47-48页 |
| 5.3.2 参数求解 | 第48-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-53页 |
| 6.1 全文总结 | 第52页 |
| 6.2 工作展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读学位期间取得的研究成果 | 第56-57页 |
| 致谢 | 第57页 |
