上海海域水环境质量时空变化分析及预测
摘要 | 第2-3页 |
ABSTRACT | 第3页 |
第一章 绪论 | 第6-9页 |
1.1 研究意义 | 第6页 |
1.2 研究现状 | 第6-7页 |
1.3 本文研究内容 | 第7-9页 |
第二章 现场调查与数据处理 | 第9-17页 |
2.1 现场调查 | 第9-10页 |
2.2 数据质量分析 | 第10-11页 |
2.3 最邻近插值算法 | 第11页 |
2.4 周期性因素 | 第11-13页 |
2.5 边界截断误差 | 第13-15页 |
2.6 一般距离公式 | 第15页 |
2.7 插值地点和时间 | 第15-16页 |
2.8 本章小结 | 第16-17页 |
第三章 历史变化分析 | 第17-55页 |
3.1 日变化分析 | 第17-26页 |
3.2 年变化分析 | 第26-34页 |
3.3 年际变化分析 | 第34-41页 |
3.4 空间变化分析 | 第41-53页 |
3.5 本章小结 | 第53-55页 |
第四章 现状分析 | 第55-67页 |
4.1 溶解氧现状分布 | 第55-56页 |
4.2 酸碱度pH 现状分布 | 第56-57页 |
4.3 化学需氧量现状分布 | 第57-58页 |
4.4 活性磷酸盐现状分布 | 第58-59页 |
4.5 氨氮现状分布 | 第59-60页 |
4.6 亚硝酸盐氮现状分布 | 第60-61页 |
4.7 硝酸盐氮现状分布 | 第61-62页 |
4.8 总汞现状分布 | 第62-63页 |
4.9 镉现状分布 | 第63-64页 |
4.10 铅现状分布 | 第64-65页 |
4.11 铜现状分布 | 第65-66页 |
4.12 本章小结 | 第66-67页 |
第五章 趋势分析与预测 | 第67-88页 |
5.1 分析预测的基本方法 | 第67-68页 |
5.2 基于经典统计学的线性时间序列分析方法 | 第68-70页 |
5.3 基于经典统计学的非线性时间序列模型 | 第70页 |
5.4 基于人工神经网络的时间序列分析方法 | 第70-74页 |
5.5 预测模型的有效性检验 | 第74-76页 |
5.6 溶解氧变化趋势分析 | 第76-77页 |
5.7 酸碱度pH 变化趋势分析 | 第77-78页 |
5.8 化学需氧量变化趋势分析 | 第78-79页 |
5.9 活性磷酸盐变化趋势分析 | 第79-80页 |
5.10 氨氮变化趋势分析 | 第80-81页 |
5.11 亚硝酸盐氮变化趋势分析 | 第81-82页 |
5.12 硝酸盐氮变化趋势分析 | 第82-83页 |
5.13 总汞变化趋势分析 | 第83-84页 |
5.14 镉变化趋势分析 | 第84-85页 |
5.15 铅变化趋势分析 | 第85-86页 |
5.16 铜变化趋势分析 | 第86-87页 |
5.17 本章小结 | 第87-88页 |
第六章 结论和展望 | 第88-91页 |
6.1 主要结论 | 第88-89页 |
6.2 研究展望 | 第89-91页 |
参考文献 | 第91-94页 |
致谢 | 第94-95页 |
攻读硕士期间已发表或录用的论文 | 第95-97页 |