| 摘要 | 第5-10页 |
| Abstract | 第10-16页 |
| 第1章 绪论 | 第19-37页 |
| 1.1 研究背景和意义 | 第19-22页 |
| 1.2 水资源安全相关概念界定 | 第22-31页 |
| 1.3 水资源安全研究方法 | 第31-32页 |
| 1.4 主要研究内容和技术路线 | 第32-35页 |
| 1.5 研究的关键问题和主要创新点 | 第35-36页 |
| 1.6 本章小结 | 第36-37页 |
| 第2章 水资源安全相关文献评述 | 第37-51页 |
| 2.1 国内外水资源安全研究评述 | 第37-40页 |
| 2.2 国内外水资源安全问题解决方法评述 | 第40-42页 |
| 2.3 国内外水资源安全评价指标研究评述 | 第42-44页 |
| 2.4 国内外水资源安全评价方法研究评述 | 第44-46页 |
| 2.5 国内外水资源安全预警研究评述 | 第46-47页 |
| 2.6 国内外水资源安全影响因素研究评述 | 第47-48页 |
| 2.7 国内外水资源危机管理研究评述 | 第48-49页 |
| 2.8 现有研究的不足 | 第49-50页 |
| 2.9 本章小结 | 第50-51页 |
| 第3章 研究的相关理论基础 | 第51-78页 |
| 3.1 公共安全管理评述 | 第51-57页 |
| 3.2 公共危机与公共危机管理 | 第57-58页 |
| 3.3 可持续发展理论 | 第58-61页 |
| 3.4 粗集基本原理 | 第61-67页 |
| 3.5 BP神经网络基本原理 | 第67-69页 |
| 3.6 统计学习基本理论 | 第69-72页 |
| 3.7 支持向量机基本原理 | 第72-74页 |
| 3.8 回归支持向量机 | 第74-75页 |
| 3.9 粒子群算法基本原理 | 第75-77页 |
| 3.10 本章小结 | 第77-78页 |
| 第4章 北京地区水资源安全的PSR分析 | 第78-97页 |
| 4.1 北京地区水资源总体概况 | 第78页 |
| 4.2 水资源安全状态分析 | 第78-79页 |
| 4.3 水资源安全压力分析 | 第79-80页 |
| 4.4 水资源安全响应分析 | 第80页 |
| 4.5 水资源安全问题的成因分析 | 第80-81页 |
| 4.6 基于PSR的水资源安全综合评价指标体系构建 | 第81-89页 |
| 4.7 基于PSR的水资源安全预警指标体系构建 | 第89-96页 |
| 4.8 本章小结 | 第96-97页 |
| 第5章 北京地区水资源安全影响因素识别 | 第97-106页 |
| 5.1 水资源安全影响因素 | 第97-99页 |
| 5.2 水资源安全风险因子识别 | 第99-100页 |
| 5.3 水资源安全风险过程描述 | 第100-103页 |
| 5.4 识别方法及影响因素计算 | 第103页 |
| 5.5 实例分析 | 第103-104页 |
| 5.6 本章小结 | 第104-106页 |
| 第6章 北京地区水资源安全综合评价及预警实证分析 | 第106-144页 |
| 6.1 北京地区概况 | 第106-117页 |
| 6.2 北京地区水资源安全问题 | 第117-118页 |
| 6.3 北京地区水资源安全问题成因分析 | 第118-119页 |
| 6.4 北京地区水资源安全评价 | 第119-127页 |
| 6.5 北京地区水资源安全预警 | 第127-135页 |
| 6.6 北京地区水资源安全保障建议 | 第135-142页 |
| 6.7 北京地区水资源危机管理机制的构建和完善 | 第142-143页 |
| 6.8 本章小结 | 第143-144页 |
| 第7章 结论与展望 | 第144-147页 |
| 7.1 结论 | 第144-146页 |
| 7.2 展望 | 第146-147页 |
| 参考文献 | 第147-155页 |
| 附录一 粗集—BP神经网络评价模型计算程序 | 第155-163页 |
| 附件二 粒子群—支持向量机回归模型计算程序 | 第163-173页 |
| 附件三 粒子群—支持向量机预警模型的计算数据 | 第173-183页 |
| 后记 | 第183页 |