湖库藻类浓度预测技术研究及应用
| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 目录 | 第10-12页 |
| 第一章 绪论 | 第12-24页 |
| 摘要 | 第12页 |
| ·研究背景及意义 | 第12-14页 |
| ·藻类水华预测模型国内外研究现状 | 第14-20页 |
| ·水体富营养化与藻类水华概述 | 第15-18页 |
| ·藻类水华预测技术国内外研究现状 | 第18-20页 |
| ·基于数据驱动的藻类水华预测技术研究现状 | 第20-22页 |
| ·本文主要研究内容 | 第22-24页 |
| 第二章 藻类生长关键因素研究 | 第24-52页 |
| 摘要 | 第24页 |
| ·藻类水华与环境因子的关系 | 第24-34页 |
| ·藻类水华形成的环境因素 | 第24-27页 |
| ·藻类浓度与环境因子的相关性分析 | 第27-34页 |
| ·藻类生长相关因子独立成分分析 | 第34-43页 |
| ·独立成分分析概述 | 第35-36页 |
| ·独立成分分析模型 | 第36页 |
| ·独立成分分析算法 | 第36-37页 |
| ·藻类生长独立成分分析结果 | 第37-43页 |
| ·藻类种群结构变化分析 | 第43-49页 |
| ·藻类水华优势藻生长理论 | 第43-45页 |
| ·藻种结构及数量变化趋势 | 第45-47页 |
| ·藻类种群结构评价 | 第47-48页 |
| ·藻类种群优势度评价 | 第48-49页 |
| ·本章小结 | 第49-52页 |
| 第三章 藻类浓度预测模型研究 | 第52-64页 |
| 摘要 | 第52页 |
| ·藻类浓度预测技术路线 | 第52-53页 |
| ·时序BP神经网络藻类浓度预测模型 | 第53-56页 |
| ·BP神经网络结构 | 第54-55页 |
| ·时序BP神经网络藻类预测模型结构 | 第55-56页 |
| ·模型输入参数优化 | 第56-59页 |
| ·多因子输入模型 | 第56-57页 |
| ·独立成分输入模型 | 第57-58页 |
| ·优势度评价输入模型 | 第58-59页 |
| ·基于竞争的多重神经网络藻类浓度预测模型 | 第59-61页 |
| ·本章小结 | 第61-64页 |
| 第四章 藻类浓度预测模型的应用效果 | 第64-84页 |
| 摘要 | 第64页 |
| ·数据处理及模型评价指标 | 第64-65页 |
| ·藻类浓度预测模型的应用效果及结果分析 | 第65-81页 |
| ·时序BP神经网络藻类浓度预测模型的应用效果 | 第66-70页 |
| ·优化的时序BP神经网络藻类浓度预测模型应用效果 | 第70-76页 |
| ·基于竞争的多重神经网络藻类浓度预测模型应用效果 | 第76-81页 |
| ·结果分析 | 第81-82页 |
| ·本章小结 | 第82-84页 |
| 第五章 总结与展望 | 第84-88页 |
| ·总结 | 第84-85页 |
| ·展望 | 第85-88页 |
| 参考文献 | 第88-92页 |
| 参与项目及科研成果 | 第92页 |
