| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 前言 | 第12-26页 |
| ·研究背景与意义 | 第12-15页 |
| ·研究区域概况 | 第15-19页 |
| ·黄河入海口改道情况 | 第16-17页 |
| ·河口海洋动力条件 | 第17-18页 |
| ·气候特征 | 第18页 |
| ·经济状况 | 第18-19页 |
| ·生态环境需水量概念的界定 | 第19-21页 |
| ·生态环境需水量国内外研究现状 | 第21-25页 |
| ·研究内容 | 第21-22页 |
| ·研究方法 | 第22-25页 |
| ·本文主要工作 | 第25-26页 |
| 第2章 径流变化对黄河口生态环境的影响 | 第26-32页 |
| ·对河口水文条件的影响 | 第26-27页 |
| ·对河口生态环境营养水平的影响 | 第27-29页 |
| ·对河口生物的影响 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第3章 遥感图像数据的提取 | 第32-41页 |
| ·海色卫星遥感 | 第32-33页 |
| ·与海色卫星遥感有关的海洋光学特性 | 第33-34页 |
| ·海色反演原理 | 第34-36页 |
| ·辐射量定标 | 第34页 |
| ·大气校正算法 | 第34-35页 |
| ·生物光学算法 | 第35-36页 |
| ·基于IDL6.2 软件的遥感图像叶绿素浓度数据提取 | 第36-39页 |
| ·编程思路 | 第37-38页 |
| ·程序流程图 | 第38-39页 |
| ·程序执行结果 | 第39页 |
| ·卫星海表温度遥感 | 第39-41页 |
| 第4章 人工神经网络及支持向量机理论 | 第41-64页 |
| ·人工神经网络 | 第41-42页 |
| ·神经网络的基本理论 | 第42-44页 |
| ·神经元模型 | 第42-43页 |
| ·神经网络的基本结构 | 第43-44页 |
| ·BP 神经网络结构与算法 | 第44-48页 |
| ·基于MATLAB 的BP 神经网络的设计及典型算法分析 | 第48-60页 |
| ·算法及隐层神经元个数S 的选择 | 第48-59页 |
| ·LM 算法 | 第59-60页 |
| ·支持向量机原理 | 第60-62页 |
| ·最优超平面 | 第60-61页 |
| ·线性可分问题 | 第61页 |
| ·线性不可分问题 | 第61-62页 |
| ·核函数 | 第62页 |
| ·生态需水量非线性计算方法比较 | 第62-64页 |
| 第5章 BP 神经网络及SVM 方法建模预测 | 第64-81页 |
| ·数据来源 | 第64-65页 |
| ·海表温度、径流量与浮游植物 | 第65-66页 |
| ·海域参数与径流量的灰色关联分析 | 第66-67页 |
| ·基于BP 神经网络的生态需水量预测 | 第67-73页 |
| ·径流量与其他海域参数的非线性模型的建立 | 第67-71页 |
| ·生态需水量预测模型的建立 | 第71页 |
| ·生态需水量的预测 | 第71-73页 |
| ·基于SVM 方法的生态需水量预测 | 第73-77页 |
| ·建模方法 | 第73-75页 |
| ·模型应用及建模参数的选择 | 第75-76页 |
| ·生态需水量的预测 | 第76-77页 |
| ·BP 神经网络与SVM 预测结果分析 | 第77-80页 |
| ·本章小结 | 第80-81页 |
| 第6章 结论与展望 | 第81-84页 |
| ·结论 | 第81-82页 |
| ·展望 | 第82-84页 |
| 参考文献 | 第84-90页 |
| 附录 | 第90-101页 |
| 1、基于IDL6.2 的遥感图像数据提取、处理程序 | 第90-93页 |
| 2、基于MATLAB 6.5 的BP 神经网络生态需水量建模、预测程序 | 第93-97页 |
| 3、基于IDL6.2 软件的黄河口海域参数与径流量灰色关联分析程序 | 第97-101页 |
| 主要符号说明 | 第101-103页 |
| 攻读学位期间发表论文与参与项目 | 第103-104页 |
| 致谢 | 第104页 |
