| 摘要 | 第3-6页 |
| abstract | 第6-9页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究目的和意义 | 第13-14页 |
| 1.2 径流时间序列预测进展 | 第14-17页 |
| 1.3 存在问题及发展趋势 | 第17页 |
| 1.4 主要研究内容 | 第17页 |
| 1.5 研究的技术路线图 | 第17-19页 |
| 第二章 汾河流域概况 | 第19-23页 |
| 2.1 流域自然地理条件 | 第19页 |
| 2.2 水文气象概况 | 第19-20页 |
| 2.2.1 气候概况 | 第19-20页 |
| 2.2.2 降雨 | 第20页 |
| 2.3 水文站分布 | 第20页 |
| 2.4 水利工程概况 | 第20页 |
| 2.5 开发与利用 | 第20-23页 |
| 第三章 基本资料分析 | 第23-37页 |
| 3.1 径流资料的“三性审查” | 第23-24页 |
| 3.2 月径流时间序列基本资料分析 | 第24-26页 |
| 3.3 月径流时间序列特性分析 | 第26-35页 |
| 3.3.1 径流年内变化特性分析 | 第26-28页 |
| 3.3.2 径流年际变化特性分析 | 第28-29页 |
| 3.3.3 月径流变化的趋势性 | 第29-30页 |
| 3.3.4 二次滑动平均趋势预测 | 第30-32页 |
| 3.3.5 月径流变化的突变分析 | 第32-34页 |
| 3.3.6 月径流变化的平稳性分析 | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 互补的集合经验模态分解 | 第37-47页 |
| 4.1 方法介绍 | 第37-38页 |
| 4.1.1 经验模态分解 | 第37页 |
| 4.1.2 互补的集合经验模态分解 | 第37-38页 |
| 4.2 实例分析 | 第38-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 不同建模过程的CEEMD-GRNN的月径流预测 | 第47-59页 |
| 5.1 GRNN | 第47-48页 |
| 5.2 误差指标 | 第48页 |
| 5.3 CEEMD与GRNN的建模过程 | 第48-50页 |
| 5.3.1 模型一：高频分量去除法 | 第49页 |
| 5.3.2 模型二：线性系数相加法 | 第49-50页 |
| 5.3.3 模型三：高频分量去除加线性系数相加法 | 第50页 |
| 5.3.4 模型四：所有分量相加 | 第50页 |
| 5.4 实例分析 | 第50-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第六章 不同尺度下基于CEEMD-GRNN-Elman神经网络的月径流预测 | 第59-71页 |
| 6.1 Elman神经网络 | 第59-60页 |
| 6.2 建模过程 | 第60-61页 |
| 6.2.1 基于CEEMD与神经网络预测模型建模过程 | 第60-61页 |
| 6.2.2 基于EMD的组合预测模型建模过程 | 第61页 |
| 6.3 实例分析 | 第61-70页 |
| 6.4 本章小结 | 第70-71页 |
| 第七章 去除高频分量的CEEMD-均值生成函数的月径流预测 | 第71-81页 |
| 7.1 均生函数 | 第71-72页 |
| 7.2 去除高频分量的CEEMD与均生函数的建模过程 | 第72-73页 |
| 7.3 实例分析 | 第73-78页 |
| 7.4 本章小结 | 第78-81页 |
| 第八章 汾河上游月径流预测模型对比分析 | 第81-89页 |
| 8.1 多种模型对比分析 | 第81-86页 |
| 8.2 本章小结 | 第86-89页 |
| 第九章 结论与展望 | 第89-91页 |
| 9.1 主要结论 | 第89-90页 |
| 9.2 展望 | 第90-91页 |
| 参考文献 | 第91-95页 |
| 致谢 | 第95-97页 |
| 攻读硕士学位期间发表的论文及参与的主要科研项目 | 第97页 |
| 一、学术论文 | 第97页 |
| 二、主要科研项目 | 第97页 |
