| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-22页 |
| ·概述 | 第12-13页 |
| ·冰塞的形成和发展 | 第13-16页 |
| ·冰盖的形成及机理 | 第13-14页 |
| ·冰塞的形成及机理 | 第14-15页 |
| ·冰塞的特征及影响 | 第15-16页 |
| ·冰塞引起的水位变化 | 第16页 |
| ·冰塞预报的基本方法 | 第16-20页 |
| ·经验模型 | 第16页 |
| ·极限模型 | 第16-17页 |
| ·统计模型 | 第17-18页 |
| ·回归模型 | 第18页 |
| ·逻辑回归 | 第18页 |
| ·判别式函数分析 | 第18-19页 |
| ·人工智能模型 | 第19-20页 |
| ·试验条件简述 | 第20页 |
| ·本课题的来源、目的及意义 | 第20-22页 |
| 第二章 基于多元回归分析原理预测冰塞水位及厚度 | 第22-31页 |
| ·多元回归分析简介 | 第22页 |
| ·基于回归计算原理预测河道天然冰塞水位及厚度 | 第22-26页 |
| ·应用河段简介 | 第22-23页 |
| ·天然河道冰塞水位及厚度回归计算原理 | 第23-24页 |
| ·本断面前后期冰塞水位及厚度预测 | 第24-26页 |
| ·基于回归计算原理预测实验室弯道冰塞水位及厚度 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于 BP 神经网络预测冰塞水位及冰塞厚度 | 第31-42页 |
| ·BP 神经网络简介 | 第31-38页 |
| ·BP 算法的学习过程 | 第31-35页 |
| ·BP 学习算法的步骤 | 第35-36页 |
| ·BP 神经网络模型的 MATLAB 实现 | 第36-38页 |
| ·BP 神经网络模型预测冰塞水位及厚度 | 第38-41页 |
| ·天然河道本断面前后期冰塞水位及厚度预测 | 第38-40页 |
| ·BP 神经网络预测实验室弯道冰塞水位及厚度 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于粒子群算法优化神经网络预测冰塞水位及厚度 | 第42-49页 |
| ·粒子群算法的基本原理 | 第42-43页 |
| ·粒子群-神经网络混合算法的实现 | 第43页 |
| ·粒子群算法优化神经网络预测冰塞水位及厚度的实现 | 第43-48页 |
| ·天然河道本断面前后期冰塞水位及厚度预测 | 第43-46页 |
| ·实验室弯道冰塞厚度及水位预测 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于蚁群算法优化神经网络预测冰塞水位及厚度 | 第49-55页 |
| ·蚁群算法的基本原理 | 第49页 |
| ·基于蚁群算法(ACA)的神经网络训练 | 第49-50页 |
| ·蚁群算法优化神经网络预测冰塞水位及厚度的实现 | 第50-54页 |
| ·天然河道本断面前后期冰塞水位及厚度预测 | 第50-52页 |
| ·实验室弯道冰塞厚度及水位预测 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 结果分析与展望 | 第55-59页 |
| ·预测结果分析对比 | 第55-57页 |
| ·天然河道本断面前后期冰塞水位预测值对比分析 | 第55-56页 |
| ·天然河道本断面前后期冰塞厚度预测值对比分析 | 第56页 |
| ·实验室弯道冰塞水位预测值对比分析 | 第56-57页 |
| ·实验室弯道冰塞厚度预测值对比分析 | 第57页 |
| ·预测方法分析对比 | 第57-58页 |
| ·展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文 | 第63-64页 |
