| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-20页 |
| ·研究目的和意义 | 第12-13页 |
| ·研究进展 | 第13-17页 |
| ·研究现状 | 第13-16页 |
| ·存在问题及发展趋势 | 第16-17页 |
| ·研究内容 | 第17页 |
| ·研究方法及技术路线 | 第17-18页 |
| ·研究方法 | 第17-18页 |
| ·技术路线 | 第18页 |
| ·小结 | 第18-20页 |
| 第二章 流域概况及径流特征分析 | 第20-38页 |
| ·流域概况 | 第20-23页 |
| ·自然地理条件 | 第20-22页 |
| ·社会经济与水利水保概况 | 第22-23页 |
| ·基本资料 | 第23-24页 |
| ·水文资料 | 第23-24页 |
| ·水保资料 | 第24页 |
| ·径流特征分析 | 第24-31页 |
| ·年际变化 | 第24-28页 |
| ·年内分配 | 第28-31页 |
| ·径流演变的驱动力分析 | 第31-35页 |
| ·统计分析 | 第31-33页 |
| ·因子识别 | 第33-35页 |
| ·水保措施对径流量的影响 | 第35-37页 |
| ·分析指标 | 第35-36页 |
| ·量化分析 | 第36-37页 |
| ·小结 | 第37-38页 |
| 第三章 基于人工神经网络的中长期径流预报 | 第38-56页 |
| ·人工神经网络概述 | 第38-39页 |
| ·概念及特点 | 第38-39页 |
| ·分类 | 第39页 |
| ·基本原理和算法 | 第39-41页 |
| ·人工神经元 | 第39-40页 |
| ·拓扑结构 | 第40-41页 |
| ·学习规则 | 第41页 |
| ·基于 BP 网络的中长期径流预报 | 第41-49页 |
| ·BP 网络原理 | 第41-42页 |
| ·建模步骤 | 第42-43页 |
| ·模型应用及评价 | 第43-49页 |
| ·基于 RBF 网络的中长期径流预报 | 第49-51页 |
| ·RBF 网络原理 | 第49-50页 |
| ·基于 Matlab 的 RBF 预测模型的实现 | 第50-51页 |
| ·模型应用及评价 | 第51页 |
| ·小结 | 第51-56页 |
| 第四章 基于支持向量机的中长期径流预报 | 第56-70页 |
| ·理论基础 | 第56-57页 |
| ·VC 维理论 | 第56页 |
| ·结构风险最小化归纳原理 | 第56-57页 |
| ·SVM 及 LSSVM 回归算法 | 第57-59页 |
| ·SVM 回归算法 | 第57-58页 |
| ·LSSVM 回归算法 | 第58-59页 |
| ·基于 SVM 的中长期径流预报 | 第59-64页 |
| ·基于 LSSVM 的中长期径流预报 | 第64-69页 |
| ·小结 | 第69-70页 |
| 第五章 基于灰色支持向量机的中长期径流预报 | 第70-77页 |
| ·灰色系统简介 | 第70页 |
| ·灰色动态预测模型 | 第70-72页 |
| ·数学原理 | 第70-71页 |
| ·GM（1,1）模型 | 第71-72页 |
| ·基于 GM（1,1）-SVM 组合模型的中长期径流预报 | 第72-76页 |
| ·基本思想 | 第72页 |
| ·建模步骤 | 第72-73页 |
| ·模型评价 | 第73-76页 |
| ·小结 | 第76-77页 |
| 第六章 模型综合评价及径流年内分配 | 第77-86页 |
| ·基于线性相关的降水径流预报 | 第77页 |
| ·模型综合评价 | 第77-83页 |
| ·特点比较 | 第77-82页 |
| ·精度评价 | 第82-83页 |
| ·模型选用 | 第83页 |
| ·径流年内分配 | 第83-85页 |
| ·分配思路 | 第83-84页 |
| ·应用实例 | 第84-85页 |
| ·小结 | 第85-86页 |
| 第七章 结论与展望 | 第86-88页 |
| ·结论 | 第86-87页 |
| ·展望 | 第87-88页 |
| 参考文献 | 第88-93页 |
| 致谢 | 第93-94页 |
| 作者简介 | 第94页 |