| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-10页 |
| 1 绪论 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·国内研究现状 | 第11-12页 |
| ·国外研究现状 | 第12-14页 |
| ·论文研究的内容、方法和技术路线 | 第14-16页 |
| ·研究方法和内容 | 第14页 |
| ·技术路线 | 第14-16页 |
| 2 海州露天矿基本情况 | 第16-19页 |
| ·海州矿基本情况 | 第16-17页 |
| ·海州露天矿对水环境的影响 | 第17-19页 |
| 3 人工神经网络基础知识简介 | 第19-27页 |
| ·人工神经网络的基本模型及其功能 | 第19-23页 |
| ·生物神经元模型 | 第19-20页 |
| ·神经网络模型 | 第20-21页 |
| ·激活函数的类型 | 第21-23页 |
| ·人工神经网络的特性及功能 | 第23-24页 |
| ·神经网络的分类 | 第24-25页 |
| ·神经网络的分类 | 第24页 |
| ·神经网络的典型结构 | 第24-25页 |
| ·BP 神经网络与RBF 神经网络的比较 | 第25-27页 |
| 4 人工神经网络评价阜新海州露天矿区地下水水质 | 第27-43页 |
| ·RBF 网络模型设计及应用 | 第27-34页 |
| ·RBF 网络的结构 | 第27-29页 |
| ·样本的输入与输出 | 第29-31页 |
| ·水质评价的径向基网络应用 | 第31-34页 |
| ·水质评价Elman 网络模型设计及应用 | 第34-41页 |
| ·Elman 人工神经网络简介 | 第34-35页 |
| ·Elman 人工神经网络学习算法 | 第35-36页 |
| ·样本的输入与输出 | 第36页 |
| ·水质评价网络结构的确定 | 第36-39页 |
| ·目标误差的选取 | 第39页 |
| ·Elman 网络测试与水质评价 | 第39-41页 |
| ·RBF 与Elman 网络方法评价结果的对比分析 | 第41-43页 |
| 5 人工神经网络预测海州露天矿区地下水水质 | 第43-56页 |
| ·RBF 神经网络的预测模型的建立 | 第43-48页 |
| ·样本设计 | 第43页 |
| ·输入样本与输出样本的选择 | 第43-44页 |
| ·网络的设计与训练 | 第44-46页 |
| ·网络性能的测试与结果分析 | 第46-48页 |
| ·Elman 神经网络的预测模型的建立 | 第48-53页 |
| ·网络的设计与训练 | 第48-51页 |
| ·网络性能的测试 | 第51-53页 |
| ·RBF 网络模型与Elman 网络模型预测结果比较分析 | 第53-54页 |
| ·应用RBF 模型预测海州矿区地下水第11～15 年的水质情况 | 第54-56页 |
| 6 结论 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 作者简历 | 第59-60页 |
| 学位论文数据集 | 第60-61页 |
