摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第11-24页 |
1.1 选题的目的和意义 | 第11-12页 |
1.2 国内外研究进展 | 第12-21页 |
1.2.1 水文频率曲线线型 | 第12-14页 |
1.2.2 分布参数估计方法 | 第14-17页 |
1.2.3 贝叶斯理论在水文频率分析中的应用 | 第17-21页 |
1.3 本文解决的主要问题 | 第21页 |
1.4 本文研究的主要内容及技术路线 | 第21-24页 |
1.4.1 研究内容 | 第21页 |
1.4.2 技术路线 | 第21-24页 |
第二章 贝叶斯理论与参数估计原理 | 第24-34页 |
2.1 贝叶斯理论 | 第24-25页 |
2.1.1 贝叶斯理论的提出 | 第24页 |
2.1.2 两种统计方法的差异 | 第24-25页 |
2.1.3 贝叶斯公式 | 第25页 |
2.2 先验分布 | 第25-32页 |
2.2.1 由主观概率确定先验分布 | 第26页 |
2.2.2 由先验信息确定先验分布 | 第26-27页 |
2.2.3 由无信息先验确定先验分布 | 第27-28页 |
2.2.4 由共轭先验确定先验分布 | 第28-29页 |
2.2.5 由Bootstrap和Bayes Bootstrap法确定先验分布 | 第29-32页 |
2.2.6 确定先验的其它方法 | 第32页 |
2.3 似然函数 | 第32-34页 |
第三章 抽样方法 | 第34-46页 |
3.1 抽样方法的应用 | 第34页 |
3.2 常见的主要抽样方法 | 第34-46页 |
3.2.1 Metropolis-Hastings法(MH) | 第34-35页 |
3.2.2 Metropolis法(RWM) | 第35-36页 |
3.2.3 Adaptive Metropolis法(AM) | 第36页 |
3.2.4 Delayed Rejection法(DR) | 第36-37页 |
3.2.5 DRAM算法 | 第37-38页 |
3.2.6 数据扩充算法(DA) | 第38页 |
3.2.7 OBMC法 | 第38-39页 |
3.2.8 随机梯度MCMC法(SGLD) | 第39页 |
3.2.9 模拟退火法(SA) | 第39-40页 |
3.2.10 模拟回火法(ST) | 第40-41页 |
3.2.11 并行回火法(PT) | 第41页 |
3.2.12 Equi-Energy算法(EE) | 第41-42页 |
3.2.13 Bootstrap法 | 第42-43页 |
3.2.14 Bayes Bootstrap法 | 第43-44页 |
3.2.15 重要抽样法(IS) | 第44页 |
3.2.16 粒子滤波法(PF) | 第44-46页 |
第四章 水文频率计算的不确定性分析方法 | 第46-51页 |
4.1 水文不确定性 | 第46页 |
4.2 置信区间求解方法 | 第46-51页 |
4.2.1 中心极限定理法 | 第46-47页 |
4.2.2 枢轴量法 | 第47页 |
4.2.3 等尾概率法 | 第47-48页 |
4.2.4 拉格朗日函数法 | 第48页 |
4.2.5 非线性规划法 | 第48页 |
4.2.6 贝叶斯方法 | 第48-49页 |
4.2.7 非参数方法 | 第49-51页 |
第五章 研究区基于贝叶斯理论的水文频率分析 | 第51-78页 |
5.1 渭河流域自然条件概况 | 第51-52页 |
5.1.1 地形地貌 | 第51页 |
5.1.2 河流水系 | 第51页 |
5.1.3 水文特征 | 第51-52页 |
5.2 研究资料的选取 | 第52-55页 |
5.3 基于贝叶斯理论的水文频率分析 | 第55-78页 |
5.3.1 抽样直方图 | 第55-59页 |
5.3.2 收敛性 | 第59-65页 |
5.3.3 抽样时间 | 第65-67页 |
5.3.4 分布参数及设计值估计 | 第67-71页 |
5.3.5 曲线拟合 | 第71-75页 |
5.3.6 置信区间计算 | 第75-78页 |
第六章 结论与展望 | 第78-81页 |
6.1 结论 | 第78-79页 |
6.2 展望 | 第79-81页 |
参考文献 | 第81-86页 |
附录 | 第86-129页 |
致谢 | 第129-130页 |
作者简介 | 第130页 |