| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 引言 | 第8-15页 |
| ·研究意义 | 第8-9页 |
| ·人工智能技术在国内外的研究现状 | 第9-10页 |
| ·非参数统计理论在国内外的研究现状 | 第10-13页 |
| ·研究目标、内容及技术路线 | 第13-15页 |
| 2 采样系统与数据分析 | 第15-21页 |
| ·采样系统设计 1 | 第15-16页 |
| ·采样系统设计 2 | 第16-17页 |
| ·土壤样品测试与分析 | 第17页 |
| ·数据统计分析 | 第17-21页 |
| 3 稳健地质统计学在土壤水盐空间变异中的应用研究 | 第21-34页 |
| ·稳健地质统计学的基本原理 | 第22-29页 |
| ·特异值处理的影响系数法原理 | 第23-24页 |
| ·特异值处理的估计邻域法原理 | 第24页 |
| ·稳健变异函数推求法 | 第24-25页 |
| ·理论变差函数模型检验 | 第25-26页 |
| ·RGS案例分析 | 第26-29页 |
| ·空间信息影响点识别 | 第29-31页 |
| ·空间信息影响点的识别原理 | 第29页 |
| ·空间信息影响点识别案例分析 | 第29-31页 |
| ·空间信息影响点与特异值关系研究 | 第31-32页 |
| ·小结 | 第32-34页 |
| 4 基于BP网络的区域土壤水盐模型 | 第34-52页 |
| ·BP神经网络技术原理 | 第34-35页 |
| ·采样系统1土壤水盐环境的BP神经网络监测 | 第35-41页 |
| ·采样系统1土壤水盐环境的BP神经网络模型建立 | 第35-36页 |
| ·采样系统1土壤水盐环境的BP神经网络计算与分析 | 第36-41页 |
| ·采样系统2土壤水盐环境的BP神经网络监测 | 第41-51页 |
| ·采样系统2土壤水盐环境的BP神经网络模型建立 | 第41-42页 |
| ·采样系统2土壤水盐环境的BP神经网络计算与分析 | 第42-44页 |
| ·采样系统2土壤水盐环境的稳健地质统计学计算与分析 | 第44-46页 |
| ·BP神经网络与RGS的比较分析 | 第46-51页 |
| ·小结 | 第51-52页 |
| 5 非参数统计理论应用 | 第52-64页 |
| ·指示克立格原理 | 第53-55页 |
| ·指示克立格模型与参数研究 | 第55-60页 |
| ·指示阈值的选择 | 第55-56页 |
| ·指示阈值与函数关系研究 | 第56-60页 |
| ·指示克立格估计 | 第60-62页 |
| ·小结 | 第62-64页 |
| 6 概率估计方法比较 | 第64-79页 |
| ·析取克立格基本原理简介 | 第64-65页 |
| ·析取克立格应用 | 第65-70页 |
| ·IK、DK、PK法概率估计比较 | 第70-78页 |
| ·小结 | 第78-79页 |
| 7 非参数统计理论与人工智能技术的融合 | 第79-88页 |
| ·人工指示克立格原理 | 第80-81页 |
| ·人工指示克立格与其他方法应用 | 第81-87页 |
| ·小结 | 第87-88页 |
| 8 结论与展望 | 第88-91页 |
| 致谢 | 第91-92页 |
| 参考文献 | 第92-100页 |
| 作者简介 | 第100页 |