| 第一章 绪论 | 第1-33页 |
| 1．1 计算智能概述 | 第10-11页 |
| 1．2 遗传算法 | 第11-18页 |
| 1．2．1 遗传算法发展历程 | 第11-14页 |
| 1．2．2 遗传算法的理论研究进展 | 第14-16页 |
| 1．2．3 遗传算法的应用研究进展 | 第16-17页 |
| 1．2．4 遗传算法研究展望 | 第17-18页 |
| 1．3 人工神经网络 | 第18-25页 |
| 1．3．1 人工神经网络历史回顾 | 第18-20页 |
| 1．3．2 神经网络研究进展 | 第20-24页 |
| 1．3．3 神经网络发展前景 | 第24-25页 |
| 1．4 计算智能在水利水电工程中应用研究进展 | 第25-30页 |
| 1．5 本文的主要研究内容 | 第30-33页 |
| 第二章 分流机制遗传算法及其应用 | 第33-58页 |
| 2．1 遗传算法的理论分析与改进方法研究 | 第33-46页 |
| 2．1．1 遗传算法的运行机理 | 第33-35页 |
| 2．1．2 遗传算法的理论分析 | 第35-39页 |
| 2．1．3 遗传算法的改进方法研究 | 第39-46页 |
| 2．2 基于分流机制的遗传算法 | 第46-52页 |
| 2．2．1 DMGA的基本思想 | 第46-48页 |
| 2．2．2 DMGA的计算流程 | 第48-49页 |
| 2．2．3 DMGA性能测试 | 第49-52页 |
| 2．3 DMGA在水力优化设计中的应用 | 第52-57页 |
| 2．3．1 水力优化设计的数学模型 | 第52-54页 |
| 2．3．2 DMGA在水力优化设计中的实施步骤 | 第54-55页 |
| 2．3．3 DMGA在水力优化设计中应用效果分析 | 第55-57页 |
| 2．4 本章小结 | 第57-58页 |
| 第三章 前馈神经网络的结构设计与应用 | 第58-78页 |
| 3．1 前馈神经网络及其结构优化方法研究 | 第58-66页 |
| 3．1．1 人工神经网络基本理论 | 第58-60页 |
| 3．1．2 误差逆传播神经网络模型 | 第60-62页 |
| 3．1．3 前馈神经网络结构优化方法研究 | 第62-66页 |
| 3．2 前馈神经网络隐层节点数确定的模糊聚类分析法 | 第66-74页 |
| 3．2．1 前馈神经网络隐层的特征抽取 | 第66页 |
| 3．2．2 模糊聚类 | 第66-70页 |
| 3．2．3 应用模糊聚类方法确定前馈神经网络的隐层节点数 | 第70-71页 |
| 3．2．4 方法可行性检验 | 第71-74页 |
| 3．3 前馈神经网络的结构优选在径流预测中的应用 | 第74-76页 |
| 3．4 本章小结 | 第76-78页 |
| 第四章 自组织特征映射神经网络模型研究 | 第78-95页 |
| 4．1 SOFM神经网络 | 第78-82页 |
| 4．1．1 SOFM网络模型 | 第78-79页 |
| 4．1．2 SOFM网络的学习过程 | 第79-81页 |
| 4．1．3 SOFM网络的工作特性分析 | 第81-82页 |
| 4．2 SOFM神经网络的聚类数问题 | 第82-85页 |
| 4．3 应用进化策略改善SOFM网络性能 | 第85-92页 |
| 4．3．1 进化策略 | 第85-88页 |
| 4．3．2 ES-SOFM混合模型的设计 | 第88-89页 |
| 4．3．3 ES-SOFM混合模型的测试 | 第89-92页 |
| 4．4 ES-SOFM混合模型在水环境评价中的应用 | 第92-93页 |
| 4．5 本章小结 | 第93-95页 |
| 第五章 总结与展望 | 第95-98页 |
| 5．1 总结 | 第95-96页 |
| 5．2 展望 | 第96-98页 |
| 参考文献 | 第98-112页 |
| 致谢 | 第112-113页 |
| 作者在攻读博士学位期间发表的论文 | 第113页 |
