| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 用水量预测的概述 | 第10-11页 |
| 1.3 城市用水量预测方法的研究现状 | 第11-16页 |
| 1.4 当前存在的问题 | 第16页 |
| 1.5 论文主要内容及结构 | 第16-18页 |
| 第二章 用水数据的管理 | 第18-24页 |
| 2.1 数据的获取和保存 | 第18-20页 |
| 2.2 数据的处理 | 第20-21页 |
| 2.3 数据处理的实现方法 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 时间序列预测模型的建立 | 第24-40页 |
| 3.1 用水规律的分析 | 第24-26页 |
| 3.2 三种人工神经网络预测方法 | 第26-29页 |
| 3.3 预测方案的选择和评价指标的设定 | 第29-30页 |
| 3.4 时用水量预测 | 第30-35页 |
| 3.5 日用水量预测 | 第35-37页 |
| 3.6 月用水量预测 | 第37-39页 |
| 3.7 本章小结 | 第39-40页 |
| 第四章 时用水模式曲线的聚类分析 | 第40-52页 |
| 4.1 观测数据的平滑预处理 | 第40-43页 |
| 4.2 模糊聚类算法的选择 | 第43-45页 |
| 4.3 模糊加权指数m的选取 | 第45-46页 |
| 4.4 聚类数c自适应方法的提出与实现 | 第46-48页 |
| 4.5 聚类实例 | 第48-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 时用水模式曲线的主影响因素分析及预测模型的改进 | 第52-61页 |
| 5.1 粗糙集理论知识 | 第52-53页 |
| 5.2 属性约简 | 第53页 |
| 5.3 基于邻域粗糙集的属性约简算法 | 第53-54页 |
| 5.4 属性约简实例 | 第54-58页 |
| 5.5 改进时用水量预测模型的建立 | 第58-60页 |
| 5.6 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 附录 | 第68-74页 |
| 附录一 攻读硕士学位期间发表的学术论文 | 第68页 |
| 附录二 用水大户时用水量、日用水量、月用水量的部分样本数据(以布李路三联桥为例) | 第68-74页 |