| 前言 | 第1-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-11页 |
| 第一章 绪论 | 第11-31页 |
| ·研究的目的及意义 | 第11-12页 |
| ·国内外研究进展 | 第12-21页 |
| ·水文不确定性的来源 | 第21-23页 |
| ·水文不确定性的研究概况 | 第23-29页 |
| ·本文主要研究内容 | 第29-31页 |
| 第二章 贝叶斯概率水文预报的理论框架 | 第31-42页 |
| ·概率水文预报的特点 | 第31页 |
| ·贝叶斯概率水文预报的原理 | 第31-34页 |
| ·输入不确定性处理 | 第34-35页 |
| ·水文不确定性处理 | 第35-37页 |
| ·先验分布的确定方法 | 第37页 |
| ·似然函数的确定方法 | 第37-40页 |
| ·小结 | 第40-42页 |
| 第三章 AGA-AM-MCMC算法及其性能测试 | 第42-53页 |
| ·MCMC算法 | 第42-43页 |
| ·Metropolis算法 | 第43页 |
| ·Metropolis-Hastings算法 | 第43-44页 |
| ·Gibbs采样 | 第44-45页 |
| ·Adaptive Metropolis(AM)算法及其改进 | 第45-47页 |
| ·收敛准则 | 第47-48页 |
| ·AGA-AM-MCMC算法性能测试 | 第48-51页 |
| ·基于 AGA-AM-MCMC的BFS基本框架 | 第51-52页 |
| ·小结 | 第52-53页 |
| 第四章 基于 AGA-AM-MCMC的 Nash模型的 BFS | 第53-90页 |
| ·Nash模型简介 | 第53-54页 |
| ·参数k为随机的Nash模型的BFS | 第54-67页 |
| ·参数n和k均为随机的Nash模型的BFS | 第67-83页 |
| ·输入为随机的Nash模型的BFS | 第83-85页 |
| ·输入与参数均为随机的Nash模型的BFS | 第85-88页 |
| ·小结 | 第88-90页 |
| 第五章 基于 AGA-AM-MCMC的 XAJ模型的 BFS | 第90-103页 |
| ·问题的提出 | 第90页 |
| ·新安江模型简介 | 第90-91页 |
| ·BP神经网络及其改进 | 第91-93页 |
| ·基于AGA-AM-MCMC的XAJ模型的BFS | 第93-95页 |
| ·算例 | 第95-101页 |
| ·小结 | 第101-103页 |
| 第六章 结论与展望 | 第103-106页 |
| ·主要研究成果与创新点 | 第103-104页 |
| ·进一步研究的建议 | 第104-105页 |
| ·展望 | 第105-106页 |
| 参考文献 | 第106-114页 |
| 攻读博士学位期间发表的学术论文 | 第114-115页 |
| 致谢 | 第115页 |
