基于数据挖掘的洞庭湖水质评价预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-18页 |
| 1 研究背景 | 第11-12页 |
| 2 国内外研究现状 | 第12-14页 |
| ·水质评价方法研究现状 | 第12-13页 |
| ·水质预测方法研究现状 | 第13-14页 |
| 3 研究目的和意义 | 第14-15页 |
| 4 研究内容及方法与技术路线 | 第15-16页 |
| ·研究内容 | 第15页 |
| ·方法与技术路线 | 第15-16页 |
| 5 论文组织 | 第16-18页 |
| 第二章 相关技术研究 | 第18-29页 |
| 1 水质评价方法研究 | 第18-23页 |
| ·指数评价法 | 第18页 |
| ·主成分分析法 | 第18-19页 |
| ·层次分析法 | 第19-21页 |
| ·灰色关联法 | 第21-23页 |
| 2 水质预测方法研究 | 第23-28页 |
| ·灰色聚类法 | 第23-24页 |
| ·神经网络 | 第24-26页 |
| ·回归分析 | 第26-27页 |
| ·支持向量机 | 第27-28页 |
| 3 小结 | 第28-29页 |
| 第三章 洞庭湖水质评价研究 | 第29-51页 |
| 1 研究区简介 | 第29页 |
| 2 数据来源 | 第29-31页 |
| 3 评价方法与评价结果 | 第31-48页 |
| ·基于指数评价法水质评价研究 | 第31-33页 |
| ·基于主成分分析法水质评价研究 | 第33-38页 |
| ·基于层次分析法水质评价研究 | 第38-42页 |
| ·基于灰色关联法水质评价研究 | 第42-48页 |
| 4 结果统计与分析 | 第48-50页 |
| ·结果统计 | 第48-49页 |
| ·综合比较分析 | 第49-50页 |
| 5 小结 | 第50-51页 |
| 第四章 洞庭湖水质预测 | 第51-62页 |
| 1 基于灰色聚类分析法的水质预测研究 | 第51-55页 |
| 2 基于BP神经网络—回归分析混合的水质预测研究 | 第55-59页 |
| ·神经网络判别模型 | 第55-56页 |
| ·BP神经网络-非线性回归混合预测 | 第56-59页 |
| 3 基于支持向量机的水质预测研究 | 第59-60页 |
| 4 结果分析 | 第60-61页 |
| 5 小结 | 第61-62页 |
| 第五章 基于GIS的洞庭湖水质预警平台设计 | 第62-70页 |
| 1 ArcView概述 | 第62-63页 |
| 2 研究思路及平台框架设计 | 第63-64页 |
| ·研究思路 | 第63页 |
| ·预警平台框架设计 | 第63-64页 |
| 3 平台功能设计 | 第64-65页 |
| 4 数据库设计 | 第65-66页 |
| ·空间数据库设计 | 第65页 |
| ·属性数据库设计 | 第65-66页 |
| ·数据关联 | 第66页 |
| 5 模型库设计 | 第66-69页 |
| ·模型的数据库文件 | 第66-68页 |
| ·模型库中的模型 | 第68-69页 |
| ·模型库管理 | 第69页 |
| 6 小结 | 第69-70页 |
| 第六章 结论与展望 | 第70-73页 |
| 1 主要结论 | 第70-71页 |
| ·关于水质评价 | 第70页 |
| ·关于水质预测 | 第70-71页 |
| ·关于预警平台设计 | 第71页 |
| 2 不足与展望 | 第71-73页 |
| ·不足之处 | 第71页 |
| ·研究展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 作者简历 | 第78页 |
