| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-14页 |
| ·课题研究背景及意义 | 第8页 |
| ·湖库藻类水华识别与预测方法研究现状 | 第8-11页 |
| ·藻类水华识别方法研究现状 | 第8-10页 |
| ·藻类水华预测方法研究现状 | 第10-11页 |
| ·课题研究内容和技术路线 | 第11-13页 |
| ·研究内容 | 第11-12页 |
| ·技术路线 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第2章 基于D-S证据理论的湖库蓝藻水华识别方法 | 第14-25页 |
| ·信息融合技术 | 第14页 |
| ·D-S证据理论 | 第14-18页 |
| ·D-S证据理论基本概念 | 第15页 |
| ·D-S证据理论基本合成规则 | 第15-16页 |
| ·改进的D-S证据理论冲突合成规则 | 第16-18页 |
| ·基于D-S证据理论的湖库蓝藻水华识别 | 第18-24页 |
| ·基于D-S证据理论的蓝藻水华识别建模 | 第18-21页 |
| ·蓝藻水华识别仿真与验证 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于误差补偿的湖库蓝藻水华时序预测方法 | 第25-36页 |
| ·蓝藻水华生长过程及预测原理 | 第25-26页 |
| ·多元时间序列蓝藻水华预测建模 | 第26-28页 |
| ·多元时间序列方法 | 第26页 |
| ·多元时间序列蓝藻水华预测建模与仿真 | 第26-28页 |
| ·基于非线性误差补偿的蓝藻水华预测建模 | 第28-35页 |
| ·蓝藻水华关键影响因素提取 | 第28-29页 |
| ·基于GA-BP神经网络的蓝藻水华预测建模 | 第29-30页 |
| ·基于GA-LSSVM神经网络的蓝藻水华预测建模 | 第30-31页 |
| ·模型仿真及验证 | 第31-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于自适应模糊推理系统的湖库蓝藻水华预测方法 | 第36-47页 |
| ·影响蓝藻水华的环境因子确定 | 第36页 |
| ·基于ANFIS专家系统的蓝藻水华预测建模 | 第36-41页 |
| ·ANFIS结构和工作原理 | 第37-38页 |
| ·蓝藻水华专家系统预测建模 | 第38-39页 |
| ·模型仿真及验证 | 第39-41页 |
| ·蓝藻水华综合预测建模 | 第41-45页 |
| ·综合预测方法工作原理 | 第41-42页 |
| ·蓝藻水华综合预测方法建模 | 第42-43页 |
| ·模型仿真及验证 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第5章 湖库水质监测与蓝藻水华预测预警系统设计 | 第47-56页 |
| ·系统总体结构设计 | 第47-48页 |
| ·系统主要功能实现 | 第48-55页 |
| ·远程无线传输功能 | 第49-50页 |
| ·数据查询功能 | 第50-52页 |
| ·数据分析功能 | 第52页 |
| ·报表打印功能 | 第52-54页 |
| ·安防图像功能 | 第54页 |
| ·水华预测功能 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录A 多元时序代码 | 第62-64页 |
| 附录B 水华预测程序代码 | 第64-70页 |
| 附录C 专家系统程序代码 | 第70-75页 |
| 在学期间发表的学术论文与研究成果 | 第75-76页 |
| 致谢 | 第76页 |