| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文研究的方法、内容、目标 | 第12-14页 |
| ·研究方法和内容 | 第12页 |
| ·研究目标 | 第12页 |
| ·技术路线 | 第12-14页 |
| 2 传统方法评价辽河流域阜新支流水质 | 第14-26页 |
| ·辽河流域阜新支流水环境基本状况调查 | 第14-16页 |
| ·模糊综合指数评价法 | 第16-20页 |
| ·模糊综合指数数学模型的建立 | 第16-17页 |
| ·模糊综合指数 B~* 的计算 | 第17-18页 |
| ·模糊综合指数评价辽河流域阜新支流水质 | 第18-20页 |
| ·灰色聚类方法 | 第20-25页 |
| ·灰色聚类分析的基本原理 | 第20-21页 |
| ·灰色聚类法评价辽河流域阜新支流水质 | 第21-25页 |
| ·评价结果对比分析 | 第25-26页 |
| 3 人工神经网络基础知识简介 | 第26-34页 |
| ·人工神经网络发展历史概述 | 第26-28页 |
| ·人工神经网络的基本模型及其功能 | 第28-30页 |
| ·人工神经元的模型 | 第28-30页 |
| ·人工神经网络的特性及功能 | 第30页 |
| ·人工神经网络的基本要素 | 第30-34页 |
| ·神经元功能函数 | 第30-32页 |
| ·神经元之间的连接形式 | 第32-34页 |
| 4 人工神经网络评价辽河流域阜新支流水质 | 第34-55页 |
| ·BP 网络理论 | 第34-39页 |
| ·BP 网络结构 | 第34页 |
| ·BP 算法原理 | 第34-37页 |
| ·改进的 BP 网络算法 | 第37-38页 |
| ·Levenberg-Marguardt 数值优化算法(简称 L-M 优化算法) | 第38-39页 |
| ·水质评价 BP 网络模型设计及应用 | 第39-48页 |
| ·样本的输入与输出 | 第39-41页 |
| ·水质评价网络结构的确定 | 第41-43页 |
| ·训练函数的选取 | 第43-46页 |
| ·目标误差的选取 | 第46-47页 |
| ·BP 网络测试与水质评价 | 第47-48页 |
| ·径向基网络模型设计及应用 | 第48-53页 |
| ·径向基网络的结构 | 第48-51页 |
| ·水质评价的径向基网络应用 | 第51-53页 |
| ·BP 和 RBF 网络方法与传统方法评价结果的对比分析 | 第53-55页 |
| 5 人工神经网络预测辽河流域阜新支流水质 | 第55-77页 |
| ·BP 神经网络的构建 | 第55-66页 |
| ·输入样本与输出样本的选择 | 第56-61页 |
| ·网络方案的确定 | 第61-66页 |
| ·网络性能的测试 | 第66-72页 |
| ·插值产生样本对 | 第66-70页 |
| ·网络测试与结果分析 | 第70-72页 |
| ·季节性 Kendall 检验法及应用 | 第72-75页 |
| ·本章小结 | 第75-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-81页 |
| 致谢 | 第81-82页 |
| 攻读学位期间已发表的学术论文及科研成果 | 第82页 |