| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文主要内容及章节安排 | 第14-16页 |
| 第二章 COPULA函数和神经网络理论 | 第16-32页 |
| 2.1 Copula函数简介 | 第16-26页 |
| 2.1.1 Copula函数的定义 | 第16-17页 |
| 2.1.2 几种简单类型的Copula函数 | 第17-19页 |
| 2.1.3 变量分布及参数估计 | 第19-23页 |
| 2.1.4 核密度估计 | 第23-25页 |
| 2.1.5 Copula函数的基本性能参数与拟合程度检验 | 第25-26页 |
| 2.2 人工神经网络 | 第26-32页 |
| 2.2.1 BP神经网络 | 第26-27页 |
| 2.2.2 激励函数的选择 | 第27-29页 |
| 2.2.3 训练算法的选择 | 第29-32页 |
| 第三章 基于混合COPULAS函数的时段洪量估计 | 第32-48页 |
| 3.1 混合Copulas函数模型 | 第32-33页 |
| 3.2 求解混合Copulas参数的方法 | 第33-40页 |
| 3.2.1 EM算法 | 第33-34页 |
| 3.2.2 遗传算法 | 第34-36页 |
| 3.2.3 EM算法与遗传算法的对比分析 | 第36-40页 |
| 3.3 基于遗传算法和EM算法的混合Copulas函数参数估计 | 第40-41页 |
| 3.4 实例分析 | 第41-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 基于扩展小波神经网络模型的水位预测 | 第48-63页 |
| 4.1 小波神经网络结构及其扩展模型 | 第48-51页 |
| 4.1.1 小波分析 | 第48-50页 |
| 4.1.2 典型小波神经网络 | 第50页 |
| 4.1.3 扩展小波神经网络模型 | 第50-51页 |
| 4.2 基于GammaTest的扩展小波神经网络模型 | 第51-54页 |
| 4.2.1 GammaTest | 第51-53页 |
| 4.2.2 模型的建立 | 第53-54页 |
| 4.3 实例分析 | 第54-60页 |
| 4.3.1 水位的小波分解 | 第54-57页 |
| 4.3.2 水位相关性分析 | 第57-58页 |
| 4.3.3 扩展小波神经网络的构建 | 第58-60页 |
| 4.4 测试结果分析 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-66页 |
| 5.1 总结 | 第63-64页 |
| 5.2 未来展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第69-70页 |
| 附录2 攻读硕士学位期间申请的专利 | 第70-71页 |
| 致谢 | 第71页 |
