| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.2.3 研究的不足 | 第14-15页 |
| 1.3 研究内容及研究方法 | 第15-17页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 研究方法 | 第15-16页 |
| 1.3.3 创新点 | 第16-17页 |
| 第2章 城市需水量预测理论与方法研究 | 第17-31页 |
| 2.1 城市需水量预测基本理论研究 | 第17-20页 |
| 2.1.1 城市需水量预测原则研究 | 第17-18页 |
| 2.1.2 城市需水量预测步骤分析 | 第18页 |
| 2.1.3 城市需水量预测结果影响因素分析 | 第18-19页 |
| 2.1.4 城市需水量的分类研究 | 第19-20页 |
| 2.2 城市需水量预测方法研究 | 第20-27页 |
| 2.2.1 理论方法研究 | 第20-22页 |
| 2.2.2 数学预测方法研究 | 第22-27页 |
| 2.3 城市需水量预测精度评价研究 | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 NPSO-GRNN城市需水量预测模型的构建 | 第31-43页 |
| 3.1 GRNN基本理论研究 | 第31-34页 |
| 3.1.1 径向基神经网络 | 第31页 |
| 3.1.2 GRNN网络结构 | 第31-33页 |
| 3.1.3 GRNN理论结构 | 第33-34页 |
| 3.1.4 GRNN在MATLAB中的实现 | 第34页 |
| 3.2 小生境粒子群算法研究 | 第34-38页 |
| 3.2.1 标准粒子群算法 | 第34-35页 |
| 3.2.2 小生境粒子群算法 | 第35-37页 |
| 3.2.3 粒子群算法与遗传算法对比分析 | 第37-38页 |
| 3.3 NPSO-GRNN城市需水量预测模型 | 第38-42页 |
| 3.3.1 GRNN在城市需水量预测中的应用可行性分析 | 第38-39页 |
| 3.3.2 输入输出的确定分析 | 第39页 |
| 3.3.3 数据预处理分析 | 第39-40页 |
| 3.3.4 NPSO优化光滑因子步骤分析 | 第40-42页 |
| 3.3.5 预测结果的检验分析 | 第42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 北京市需水量预测研究 | 第43-60页 |
| 4.1 北京市概况分析 | 第43-44页 |
| 4.1.1 自然地理特征分析 | 第43页 |
| 4.1.2 社会经济状况分析 | 第43页 |
| 4.1.3 水资源状况分析 | 第43-44页 |
| 4.2 样本数据收集 | 第44-47页 |
| 4.3 需水量预测影响因素的选取 | 第47-50页 |
| 4.4 预测模型的构建与求解 | 第50-57页 |
| 4.4.1 NPSO-GRNN预测模型的构建与求解 | 第50-54页 |
| 4.4.2 BP神经网络预测模型的构建与求解 | 第54-55页 |
| 4.4.3 GM（1，1）预测模型的构建与求解 | 第55-57页 |
| 4.5 预测结果分析及对比 | 第57-59页 |
| 4.6 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 作者简介 | 第65页 |
| 攻读硕士学位期间发表的论文和科研成果 | 第65-66页 |
