| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题来源与意义 | 第9-10页 |
| ·我国水源水质的现状 | 第9-10页 |
| ·水质预警的涵义与类别 | 第10页 |
| ·水质预测研究方法现状 | 第10-13页 |
| ·数理统计法 | 第11页 |
| ·灰色模型预测法 | 第11-12页 |
| ·神经网络模型预测法 | 第12页 |
| ·水质模拟模型法 | 第12-13页 |
| ·混沌理论预测法 | 第13页 |
| ·各种预测方法优缺点的比较 | 第13页 |
| ·人工神经网络简介 | 第13-17页 |
| ·人工神经网络的概念 | 第13-14页 |
| ·人工神经网络的发展历史 | 第14-15页 |
| ·利用神经网络进行水质预测的优点 | 第15-17页 |
| 第2章 大庆水库概况及预测方法的确定 | 第17-26页 |
| ·水质预测模型的数据来源 | 第17-18页 |
| ·大庆水库基本情况 | 第17页 |
| ·大庆水库水自动监测站简介 | 第17-18页 |
| ·水质预测方法的确定 | 第18-19页 |
| ·BP神经网络的网络结构及数学描述 | 第19-25页 |
| ·BP神经网络的网络结构 | 第19-20页 |
| ·BP神经网络的数学描述 | 第20-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 利用BP神经网络建立水质预测模型 | 第26-52页 |
| ·建模所用软件的选择 | 第26页 |
| ·建立神经网络水质预测模型的基本步骤 | 第26-28页 |
| ·确定待预测的水质参数 | 第27页 |
| ·确定模型的输入变量 | 第27页 |
| ·原始数据的预处理 | 第27页 |
| ·确定神经网络的各项参数 | 第27-28页 |
| ·对BP神经网络进行训练 | 第28页 |
| ·验证模型的训练效果 | 第28页 |
| ·利用神经网络进行水质预测 | 第28页 |
| ·水质预测参数的确定 | 第28-30页 |
| ·模型输入变量的选择 | 第30-33页 |
| ·灰色系统的定义 | 第30-31页 |
| ·灰色关联度简介 | 第31页 |
| ·灰色关联度的计算 | 第31-32页 |
| ·水质监测数据的灰色关联分析 | 第32-33页 |
| ·原始数据的预处理 | 第33-34页 |
| ·BP神经网络各项网络参数的确定 | 第34-46页 |
| ·训练样本与验证样本的确定 | 第34页 |
| ·训练函数的选取 | 第34-39页 |
| ·隐层数与隐层节点数的选择 | 第39-42页 |
| ·网络延迟的选择 | 第42-44页 |
| ·训练次数的选择 | 第44-45页 |
| ·BP神经网络模型对浊度的预测 | 第45页 |
| ·BP神经网络模型对氨氮的预测 | 第45-46页 |
| ·模型误差分析 | 第46-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 依照气候特征对BP神经网络模型进行修正 | 第52-62页 |
| ·数据分类 | 第52-53页 |
| ·非冰封期的水质预测 | 第53-57页 |
| ·对浊度的预测 | 第53-54页 |
| ·对氨氮的预测 | 第54-57页 |
| ·冰封期的水质预测 | 第57-60页 |
| ·对浊度的预测 | 第57-58页 |
| ·对氨氮的预测 | 第58-60页 |
| ·对分类效果的分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 BP神经网络模型与其它水质预测模型的分析对比 | 第62-76页 |
| ·时间序列模型 | 第62-68页 |
| ·模型定义 | 第62-63页 |
| ·AR模型的参数估计 | 第63-64页 |
| ·利用AR模型进行水质预测 | 第64-68页 |
| ·灰色预测模型 | 第68-72页 |
| ·建模方法 | 第68-70页 |
| ·利用灰色预测模型进行水质预测 | 第70-72页 |
| ·BP神经网络与其它水质模型的预测效果对比 | 第72-75页 |
| ·对非冰封期浊度的预测效果对比 | 第72-73页 |
| ·对冰封期浊度的预测效果对比 | 第73页 |
| ·对氨氮的预测效果对比 | 第73-74页 |
| ·最佳预测模型的选择 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 结论 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读学位期间发表的学术论文 | 第81-83页 |
| 致谢 | 第83页 |