| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-19页 |
| ·论文的背景、目的和意义 | 第8页 |
| ·水质评价方法简介 | 第8-12页 |
| ·指数评价法 | 第9-10页 |
| ·基于模糊理论的水质评价 | 第10页 |
| ·基于灰色系统理论的水质评价 | 第10-11页 |
| ·水质评价方法的发展趋势 | 第11-12页 |
| ·人工神经网络的发展历程及应用 | 第12-16页 |
| ·人工神经网络的发展历程 | 第12-14页 |
| ·人工神经网络在水质评价中的应用现状 | 第14-16页 |
| ·研究的技术路线及主要内容 | 第16-19页 |
| ·技术路线 | 第16-17页 |
| ·主要研究内容 | 第17-19页 |
| 第二章 人工神经网络和遗传算法的理论基础 | 第19-40页 |
| ·人工神经网络的基本原理 | 第19-22页 |
| ·人工神经网络概念和特点 | 第19-20页 |
| ·人工神经元的结构模型 | 第20-21页 |
| ·神经网络的传递函数 | 第21-22页 |
| ·BP 神经网络 | 第22-30页 |
| ·BP 神经网络结构 | 第23-24页 |
| ·BP 学习算法 | 第24-26页 |
| ·BP 算法计算步骤及流程图 | 第26-28页 |
| ·BP 算法存在的缺点及改进 | 第28-30页 |
| ·遗传算法 | 第30-40页 |
| ·遗传算法的理论基础 | 第31页 |
| ·遗传算法的特点 | 第31-32页 |
| ·遗传算法的设计 | 第32-40页 |
| 第三章 基于遗传神经网络的水质评价建模 | 第40-57页 |
| ·专家样本的准备 | 第40-45页 |
| ·训练参数的设定 | 第45页 |
| ·GA-BP 神经网络拓扑结构的建立 | 第45-53页 |
| ·遗传优化BP 神经网络的权值及阈值 | 第53-57页 |
| ·编码和初始种群 | 第53-54页 |
| ·适应度函数的选择 | 第54页 |
| ·遗传操作 | 第54-57页 |
| 第四章 基于 GA-BP 网络模型在水质评价中的应用 | 第57-65页 |
| ·水域概况及数据来源 | 第57-58页 |
| ·基于GA-BP 网络模型在水质评价中的实例仿真 | 第58-62页 |
| ·Matlab 简介 | 第58-59页 |
| ·模型的测试及仿真 | 第59-60页 |
| ·评价结果和分析 | 第60-62页 |
| ·与传统评价方法的比较分析 | 第62-65页 |
| ·传统评价方法介绍 | 第62-63页 |
| ·评价结果及分析 | 第63-65页 |
| 第五章 结论 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71页 |