CONTENTS | 第5-8页 |
摘要 | 第8-9页 |
Abstract | 第9-10页 |
1 绪论 | 第11-20页 |
1.1 研究的目的与意义 | 第11-12页 |
1.2 国内外研究动态 | 第12-17页 |
1.2.1 径流变化规律研究现状 | 第12-14页 |
1.2.2 径流预报方法研究现状 | 第14-17页 |
1.3 存在问题及研究趋势 | 第17-18页 |
1.3.1 存在问题 | 第17-18页 |
1.3.2 研究趋势 | 第18页 |
1.4 研究的主要内容与技术路线 | 第18-20页 |
1.4.1 研究的主要内容 | 第18-19页 |
1.4.2 实现的技术路线 | 第19-20页 |
2 诺敏河流域概况及资料选取 | 第20-21页 |
2.1 诺敏河流域概况 | 第20页 |
2.2 径流资料的选取 | 第20-21页 |
3 诺敏河流域径流序列统计特征分析 | 第21-32页 |
3.1 年径流基本统计特征 | 第21-23页 |
3.2 径流的年内分配特征 | 第23-28页 |
3.2.1 年内分配百分比 | 第23-24页 |
3.2.2 年内分配的不均匀性 | 第24-26页 |
3.2.3 年内分配的集中程度 | 第26-27页 |
3.2.4 年内分配的变化幅度 | 第27-28页 |
3.3 径流的年际变化特征 | 第28-31页 |
3.3.1 径流年际变化的总体特征 | 第28-29页 |
3.3.2 径流年际变化的距平分析 | 第29-31页 |
3.4 本章小结 | 第31-32页 |
4 诺敏河流域径流序列变化特征分析 | 第32-56页 |
4.1 径流变化趋势分析 | 第32-36页 |
4.1.1 滑动平均法 | 第32页 |
4.1.2 累积滤波器 | 第32-33页 |
4.1.3 Spearman秩次相关检验法 | 第33-34页 |
4.1.4 Kendall秩次相关检验法 | 第34页 |
4.1.5 重标极差分析法 | 第34-36页 |
4.2 径流变化周期分析 | 第36-46页 |
4.2.1 R/S周期分析 | 第36-38页 |
4.2.2 方差模糊分析 | 第38-40页 |
4.2.3 基于EMD的径流多时间尺度分析 | 第40-46页 |
4.3 径流突变分析 | 第46-55页 |
4.3.1 有序聚类分析 | 第46-47页 |
4.3.2 Mann-Kendall突变检测法 | 第47-48页 |
4.3.3 Lee-Heghinian法 | 第48-50页 |
4.3.4 滑动T检验法 | 第50-51页 |
4.3.5 Pettitt突变点检验法 | 第51-55页 |
4.4 本章小结 | 第55-56页 |
5 基于人工鱼群神经网络的月径流预报方法研究 | 第56-66页 |
5.1 人工神经网络 | 第56-58页 |
5.1.1 BP神经网络的基本原理 | 第56-57页 |
5.1.2 BP神经网络的实现步骤 | 第57-58页 |
5.2 人工鱼群算法 | 第58-61页 |
5.2.1 人工鱼群算法的基本思想 | 第58-59页 |
5.2.2 人工鱼群算法的数学表示 | 第59-60页 |
5.2.3 人工鱼群算法的实现流程 | 第60-61页 |
5.3 模型精度检验 | 第61-63页 |
5.4 基于人工鱼群神经网络的径流预测 | 第63-65页 |
5.5 本章小结 | 第65-66页 |
6 基于EMD分解的年径流预报方法研究 | 第66-77页 |
6.1 基于EMD耦合谐波的年径流预测 | 第66-73页 |
6.1.1 谐波分析的基本原理 | 第66-67页 |
6.1.2 EMD耦合谐波分析的建模步骤 | 第67-68页 |
6.1.3 EMD耦合谐波模型在年径流预测中的应用 | 第68-73页 |
6.2 基于EMD人工鱼群神经网络的年径流预测 | 第73-75页 |
6.2.1 EMD人工鱼群神经网络模型概述 | 第73页 |
6.2.2 EMD人工鱼群神经网络模型在年径流预测中的应用 | 第73-75页 |
6.3 本章小结 | 第75-77页 |
7 结论与展望 | 第77-79页 |
7.1 结论 | 第77-78页 |
7.2 展望 | 第78-79页 |
致谢 | 第79-80页 |
参考文献 | 第80-86页 |
攻读硕士学位期间发表的学术论文 | 第86页 |