| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-10页 |
| CONTENTS | 第10-13页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 课题研究的背景 | 第13-15页 |
| 1.1.1 我国湖泊水体富营养化现状 | 第13页 |
| 1.1.2 富营养化危害 | 第13-14页 |
| 1.1.3 富营养化的防治对策 | 第14-15页 |
| 1.2 国内外藻华预警模型研究动态 | 第15-17页 |
| 1.2.1 藻华暴发预测方法 | 第15-17页 |
| 1.3 人工神经网络 | 第17-19页 |
| 1.4 藻华暴发影响因素 | 第19-21页 |
| 1.4.1 氮磷营养元素 | 第19-20页 |
| 1.4.2 微量元素 | 第20页 |
| 1.4.3 水温 | 第20页 |
| 1.4.4 光照 | 第20-21页 |
| 1.4.5 水动力 | 第21页 |
| 1.4.6 pH值 | 第21页 |
| 1.5 课题研究目的与意义 | 第21-22页 |
| 1.6 课题主要研究内容 | 第22-23页 |
| 1.6.1 研究内容 | 第22页 |
| 1.6.2 技术路线 | 第22-23页 |
| 第二章 藻华暴发预警模型预测指标分析与数据来源 | 第23-26页 |
| 2.1 预警指标分析和选择 | 第23页 |
| 2.2 资料收集及数据分析 | 第23-25页 |
| 2.2.1 实验数据来源与分析方法 | 第24页 |
| 2.2.2 数据分析方法 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 藻华暴发预测神经网络模型构建 | 第26-29页 |
| 3.1 BP网络结构确定 | 第26页 |
| 3.2 学习样本归一化 | 第26-27页 |
| 3.3 BP神经网络的训练 | 第27页 |
| 3.4 神经元数目的确定 | 第27-28页 |
| 3.5 神经网络工具箱及MATLAB软件 | 第28页 |
| 3.6 本章小结 | 第28-29页 |
| 第四章 基于BP神经网络的常规营养浓度-藻生物量模型建立 | 第29-47页 |
| 4.1 建模方法 | 第29页 |
| 4.2 输出量确定 | 第29页 |
| 4.3 输入量确定 | 第29-32页 |
| 4.3.1 指标相关性比较 | 第29-32页 |
| 4.3.2 输入量确定 | 第32页 |
| 4.4 基于因素分析的模型建立 | 第32-36页 |
| 4.5 基于因素分析的模型结果分析 | 第36-37页 |
| 4.6 引入生长时间的模型建立 | 第37-42页 |
| 4.7 引入生长时间的模型预测结果分析 | 第42-45页 |
| 4.8 本章小结 | 第45-47页 |
| 第五章 基于BP神经网络的微量营养浓度-藻生物量模型建立 | 第47-61页 |
| 5.1 输出量确定 | 第47页 |
| 5.2 输入量确定 | 第47-48页 |
| 5.2.1 指标相关性比较 | 第47-48页 |
| 5.2.2 输入量确定 | 第48页 |
| 5.3 基于因素分析的模型建立 | 第48-52页 |
| 5.4 基于因素分析的模型预测结果分析 | 第52-53页 |
| 5.5 引入生长时间的模型建立 | 第53-57页 |
| 5.6 引入生长时间的模型预测结果分析 | 第57-60页 |
| 5.7 本章小结 | 第60-61页 |
| 结论与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文 | 第67-69页 |
| 致谢 | 第69页 |