1 绪论 | 第1-19页 |
1.1 研究的意义和目的 | 第8-9页 |
1.2 国内外研究现状 | 第9-16页 |
1.2.1 研究方法介绍 | 第9-10页 |
1.2.2 研究方法的比较 | 第10-11页 |
1.2.3 地下水水质预测模型研究进展 | 第11-15页 |
1.2.4 地下水水质评价研究进展 | 第15-16页 |
1.3 本文研究内容和方法 | 第16-19页 |
1.3.1 研究内容 | 第16-17页 |
1.3.2 技术路线和研究方法 | 第17-19页 |
2 地下水水质预测模型-指数平滑模型 | 第19-31页 |
2.1 指数平滑法 | 第19-23页 |
2.1.1 指数平滑模型 | 第19-21页 |
2.1.2 时间序列的自相关系数计算 | 第21-22页 |
2.1.3 自动调整平滑系数的确定 | 第22-23页 |
2.2 指数平滑模型的检验 | 第23-24页 |
2.3 指数平滑模型算例验证 | 第24-30页 |
2.4 本章小结 | 第30-31页 |
3 灰色系统预测模型 | 第31-44页 |
3.1 灰色系统理论 | 第31-36页 |
3.1.1 灰色理论的 GM模型及预测过程 | 第31-33页 |
3.1.2 残差 GM(1,1)模型的建立 | 第33页 |
3.1.3 灰色系统模型的缺陷和改进 | 第33-34页 |
3.1.4 模型精度的检验与修正 | 第34-36页 |
3.2 GM(1,1)模型建立和计算 | 第36-43页 |
3.2.1 对原始观测数据进行滑动平均处理 | 第36页 |
3.2.2 模型的计算 | 第36-43页 |
3.3 本章小结 | 第43-44页 |
4 BP神经网络组合预测模型研究 | 第44-54页 |
4.1 地下水水质预测的组合预测模型 | 第44-48页 |
4.1.1 组合预测模型的建模原理 | 第44-45页 |
4.1.2 基于人工神经网络组合预测模型的建立 | 第45-48页 |
4.2 应用MATLAB实现组合预测 | 第48-50页 |
4.2.1 MATLAB中BP神经网络的重要函数 | 第48页 |
4.2.2 ANN工具箱实现 BP神经网络的步骤 | 第48-49页 |
4.2.3 利用 MATLAB神经网络工具的关键性问题 | 第49-50页 |
4.3 组合预测模型的应用 | 第50-53页 |
4.3.1 水质模型预测 | 第50-51页 |
4.3.2 模型计算 | 第51-53页 |
4.4 小结 | 第53-54页 |
5 地下水水质预测模型比较 | 第54-61页 |
5.1 地下水水质预测模型的应用总结 | 第54-55页 |
5.2 预测模型的计算结果和误差比较 | 第55-58页 |
5.3 地下水水质预测模型分析比较 | 第58-60页 |
5.3.1 指数平滑法 | 第58页 |
5.3.2 灰色系统法 | 第58-59页 |
5.3.3 组合预测模型 | 第59页 |
5.3.4 水质预测模型的选择及对规划年预测分析 | 第59-60页 |
5.4 小结 | 第60-61页 |
6 石嘴山市地下水水质污染现状和评价 | 第61-78页 |
6.1 石嘴山市水文地质概况 | 第61-62页 |
6.2 地下水水质变化特征 | 第62-63页 |
6.3 地下水污染现状 | 第63-66页 |
6.3.1 废、污水的排放现状 | 第64页 |
6.3.1 废渣、废气的排放现状 | 第64-65页 |
6.3.3 主要污染指标的现状 | 第65-66页 |
6.4 地下水水质BP神经网络评价 | 第66-71页 |
6.4.1 地下水污染的评价方法 | 第66-67页 |
6.4.2 地下水水质评价的神经网络模型 | 第67-68页 |
6.4.3 地下水污染评价的标准 | 第68-69页 |
6.4.4 BP神经网络模型在地下水评价中的应用 | 第69-71页 |
6.5 地下水污染的分区评价 | 第71-74页 |
6.5.1 评价标准和因子 | 第71页 |
6.5.2 评价方法 | 第71-74页 |
6.6 研究区地下水污染成因与途径 | 第74-76页 |
6.6.1 潜层水污染成因与途径 | 第74-75页 |
6.6.2 承压水污染成因与污染途径 | 第75-76页 |
6.6.3 研究区地下水污染的变化规律 | 第76页 |
6.7 地下水污染防治和保护措施 | 第76-77页 |
6.8 小结 | 第77-78页 |
7 结论 | 第78-79页 |
参考文献 | 第79-84页 |
致谢 | 第84-85页 |
附录 | 第85页 |