龙景湖叶绿素a浓度预测模型敏感性分析
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-20页 |
| 1.1 研究背景 | 第8-10页 |
| 1.1.1 我国湖泊的富营养化现状 | 第8页 |
| 1.1.2 富营养化的危害 | 第8-9页 |
| 1.1.3 富营养化的防治对策 | 第9-10页 |
| 1.2 国内外研究进展 | 第10-17页 |
| 1.2.1 藻类生长繁殖影响因素 | 第10-12页 |
| 1.2.2 富营养化预测模型研究动态 | 第12-15页 |
| 1.2.3 敏感性分析方法研究动态 | 第15-17页 |
| 1.3 课题的提出与研究内容 | 第17-20页 |
| 1.3.1 课题的提出 | 第17页 |
| 1.3.2 研究目的与意义 | 第17页 |
| 1.3.3 课题的研究内容 | 第17-18页 |
| 1.3.4 技术路线 | 第18页 |
| 1.3.5 课题来源 | 第18-20页 |
| 2 人工神经网络及敏感性分析 | 第20-30页 |
| 2.1 人工神经网络 | 第20-25页 |
| 2.1.1 人工神经网络基本原理 | 第20-21页 |
| 2.1.2 BP神经网络 | 第21-22页 |
| 2.1.3 Matlab环境下BP网络的构建 | 第22-25页 |
| 2.2 基于人工神经网络的敏感性分析 | 第25-30页 |
| 2.2.1 概述 | 第25页 |
| 2.2.2 局部敏感性分析 | 第25-27页 |
| 2.2.3 全局敏感性分析 | 第27-30页 |
| 3 龙景湖叶绿素a浓度预测模型构建 | 第30-48页 |
| 3.1 研究对象及其概况 | 第30-31页 |
| 3.1.1 龙景湖概况 | 第30页 |
| 3.1.2 龙景湖富营养化状况 | 第30-31页 |
| 3.2 数据采集及预处理 | 第31-33页 |
| 3.2.1 采样点及采样方式 | 第31-32页 |
| 3.2.2 水质监测项目 | 第32-33页 |
| 3.3 数据预处理 | 第33-37页 |
| 3.3.1 监测点聚类分析 | 第33-34页 |
| 3.3.2 插值 | 第34-36页 |
| 3.3.3 归一化 | 第36-37页 |
| 3.4 龙景湖BP网络模型构建 | 第37-46页 |
| 3.4.0 输入变量遴选 | 第37-42页 |
| 3.4.1 网络结构 | 第42页 |
| 3.4.2 隐含层神经元数 | 第42-43页 |
| 3.4.3 转移函数 | 第43页 |
| 3.4.4 网络的训练与测试 | 第43-46页 |
| 3.5 本章小结 | 第46-48页 |
| 4 基于偏导的局部敏感性分析 | 第48-64页 |
| 4.1 方法概述 | 第48页 |
| 4.2 敏感性分析验证 | 第48-49页 |
| 4.3 输入数据的获取 | 第49-51页 |
| 4.4 局部敏感性分析应用 | 第51-62页 |
| 4.4.1 单样本敏感性分析 | 第51-59页 |
| 4.4.2 全样本敏感性分析 | 第59-62页 |
| 4.5 本章小结 | 第62-64页 |
| 5 基于二阶偏导（PaD2）的全局敏感性分析 | 第64-72页 |
| 5.1 PaD2 概述 | 第64页 |
| 5.2 敏感性分析验证 | 第64页 |
| 5.3 输入数据的获取 | 第64-65页 |
| 5.4 PaD2 全局敏感性分析应用 | 第65-70页 |
| 5.4.1 单样本敏感性分析 | 第65-68页 |
| 5.4.2 全样本敏感性分析 | 第68-70页 |
| 5.5 本章小结 | 第70-72页 |
| 6 结论与建议 | 第72-74页 |
| 6.1 结论 | 第72页 |
| 6.2 建议 | 第72-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 附录 | 第80页 |
| 作者在攻读硕士学位期间参加的科研项目 | 第80页 |
