| 中文摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景及其意义 | 第9-12页 |
| ·地下矿泉水的基本特征 | 第9-10页 |
| ·地下天然矿泉水类型与人体健康 | 第10-11页 |
| ·地下天然矿泉水的保护 | 第11-12页 |
| ·目前国内外地下水水质预测研究现状 | 第12-15页 |
| ·本文研究的主要内容 | 第15-17页 |
| 第二章 支持向量机理论 | 第17-26页 |
| ·机器学习的基本方法 | 第17-18页 |
| ·学习问题的一般表示 | 第17页 |
| ·经验风险最小化原则 | 第17-18页 |
| ·模型复杂度和推广能力 | 第18页 |
| ·统计学习理论发展概述 | 第18-20页 |
| ·VC 维 | 第18-19页 |
| ·推广的界 | 第19页 |
| ·结构风险最小化原理 | 第19-20页 |
| ·支持向量机概述 | 第20-25页 |
| ·线性回归与支持向量 | 第21-23页 |
| ·非线性回归与支持向量 | 第23-25页 |
| ·支持向量机的特点 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于支持向量机与BP 人工神经网络的地下天然矿泉水水质预测比较 | 第26-33页 |
| ·研究资料 | 第26页 |
| ·基于支持向量机的水质模拟与预测 | 第26-32页 |
| ·预测步骤 | 第26-27页 |
| ·数据预处理 | 第27-29页 |
| ·核函数选择 | 第29-30页 |
| ·参数寻优 | 第30-31页 |
| ·预测结果分析 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 支持向量机在地下天然矿泉水水质预测中的应用 | 第33-40页 |
| ·研究资料 | 第33-34页 |
| ·基于支持向量机的水质模拟与预测 | 第34-35页 |
| ·基于支持向量机的预测结果 | 第35-37页 |
| ·地下天然矿泉水的保护性开发 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 总结和展望 | 第40-42页 |
| ·总结 | 第40-41页 |
| ·展望 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 攻读硕士学位期间发表的学术论文 | 第45-46页 |
| 致谢 | 第46页 |