| 中文摘要 | 第1-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| 1．1 引言 | 第9-10页 |
| 1．2 水环境管理的现状、面临的问题与发展趋势 | 第10-11页 |
| 1．3 本课题的研究背景及意义 | 第11-12页 |
| 1．4 本论文的研究内容 | 第12-13页 |
| 第二章 系统总体方案设计 | 第13-23页 |
| 2．1 决策支持系统概述 | 第13-18页 |
| 2．1．1 决策支持系统的产生 | 第13-14页 |
| 2．1．2 决策支持系统的概念与基本结构 | 第14-15页 |
| 2．1．3 决策支持系统的基本要求 | 第15页 |
| 2．1．4 决策支持系统的相关技术 | 第15-17页 |
| 2．1．5 决策支持系统的发展现状与趋势 | 第17-18页 |
| 2．2 水质预测与评价管理决策支持系统的基本结构 | 第18-19页 |
| 2．3 系统设计的原则 | 第19页 |
| 2．4 开发平台及工具 | 第19-22页 |
| 2．4．1 操作系统软件 | 第19-20页 |
| 2．4．2 数据库系统软件 | 第20页 |
| 2．4．3 开发工具 | 第20-22页 |
| 2．5 小结 | 第22-23页 |
| 第三章 水质预测模型研究 | 第23-46页 |
| 3．1 水环境质量预测的基本内容与常用方法 | 第23页 |
| 3．2 水质模型简介 | 第23-25页 |
| 3．2．1 水质模型概念及其在水环境管理中的作用 | 第23-24页 |
| 3．2．2 水质模型的类型 | 第24-25页 |
| 3．3 水体污染与水质监测指标概述 | 第25-27页 |
| 3．3．1 水体污染的概念 | 第25页 |
| 3．3．2 水体主要污染源 | 第25-26页 |
| 3．3．3 有机污染物的监测指标 | 第26-27页 |
| 3．4 常见的河流水质模型 | 第27-31页 |
| 3．5 分布滞后模型 | 第31-33页 |
| 3．6 基于神经网络的东江水质预测模型初步研究 | 第33-45页 |
| 3．6．1 BP神经网络不同算法的比较与分析 | 第34-37页 |
| 3．6．2 信号预测神经网络的分析 | 第37-42页 |
| 3．6．3 基于L-M算法的BP-NN水质预测模型设计 | 第42-45页 |
| 3．7 小结 | 第45-46页 |
| 第四章 水质评价方法与水容量计算 | 第46-56页 |
| 4．1 水质评价方法 | 第46-54页 |
| 4．1．1 水质评价的指数法 | 第47-49页 |
| 4．1．2 水质模糊评价方法 | 第49-54页 |
| 4．2 水环境容量计算 | 第54-55页 |
| 4．3 小结 | 第55-56页 |
| 第五章 系统实现 | 第56-68页 |
| 5．1 数据库管理子系统的设计 | 第56-63页 |
| 5．1．1 水质数据库查询程序的流程图和基本功能 | 第56-57页 |
| 5．1．2 利用ADO组件调用数据库数据 | 第57-61页 |
| 5．1．3 查询结果的显示方法 | 第61-63页 |
| 5．2 水质仿真与计算子系统的设计 | 第63-65页 |
| 5．3 帮助文档等辅助工具的设计 | 第65-67页 |
| 5．4 小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读学位期间发表的论文 | 第74-75页 |
| 致谢 | 第75-76页 |
| 附录 | 第76-81页 |