| 目录 | 第1-6页 |
| CONTENTS | 第6-8页 |
| 中文摘要 | 第8-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-16页 |
| ·课题背景、研究目的及选题的意义 | 第11页 |
| ·水体富营养化和水华的研究现状及发展趋势 | 第11-14页 |
| ·本论文的主要研究内容、研究方案以及研究路线 | 第14页 |
| ·研究内容 | 第14页 |
| ·研究方案 | 第14页 |
| ·本文的研究路线 | 第14页 |
| ·本章小结 | 第14-16页 |
| 第二章 水体富营养化评价和水华预测方法 | 第16-22页 |
| ·水体富营养化评价方法 | 第16-19页 |
| ·水体富营养化的定义 | 第16页 |
| ·常用的水体富营养化评价方法 | 第16-19页 |
| ·水华预测方法 | 第19-21页 |
| ·水华的概念 | 第19页 |
| ·常用的水华预测方法介绍 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于遗传算法的湖库水体富营养化模糊综合评价方法研究 | 第22-32页 |
| ·水质评价指标 | 第22-23页 |
| ·模糊综合评价法 | 第23-27页 |
| ·模糊综合法的概念 | 第23页 |
| ·水质评价标准 | 第23-24页 |
| ·隶属度函数的计算 | 第24-27页 |
| ·基于遗传算法的水质参数权重分配模型 | 第27-30页 |
| ·遗传算法概述 | 第27-28页 |
| ·权重模型的目标函数和约束条件 | 第28页 |
| ·遗传算法的步骤 | 第28-30页 |
| ·综合评价步骤及结果 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第四章 基于BP神经网络和粒子群算法的湖库水华机理建模研究 | 第32-40页 |
| ·基于粒子群算法的藻类生长机理模型 | 第32-36页 |
| ·藻类水华机理模型 | 第32页 |
| ·粒子群算法的概念 | 第32-33页 |
| ·基于粒子群算法的模型参数优化 | 第33-36页 |
| ·基于BP神经网络的粒子群算法机理模型 | 第36-39页 |
| ·人工神经网络的定义 | 第36页 |
| ·BP神经网络的结构 | 第36-38页 |
| ·模型仿真结果 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 结论与展望 | 第40-41页 |
| 参考文献 | 第41-45页 |
| 攻读硕士学位期间取得的研究成果 | 第45-46页 |
| 致谢 | 第46-47页 |
| 个人简况及联系方式 | 第47-49页 |