| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-22页 |
| 1.1 水库生态系统概述 | 第11-12页 |
| 1.2 水库富营养化 | 第12页 |
| 1.3 湖库富营养化评价 | 第12-15页 |
| 1.3.1 特征法 | 第13页 |
| 1.3.2 参数法 | 第13页 |
| 1.3.3 营养状态指数法 | 第13-14页 |
| 1.3.4 生物评价法 | 第14页 |
| 1.3.5 数学评价法 | 第14-15页 |
| 1.4 浮游植物的生态学意义 | 第15-18页 |
| 1.4.1 浮游植物的定义及其生态作用 | 第15-16页 |
| 1.4.2 浮游植物的分类及特征 | 第16页 |
| 1.4.3 浮游植物群落的结构变化及其影响因素 | 第16-17页 |
| 1.4.4 浮游植物与富营养化的关系 | 第17-18页 |
| 1.5 神经网络在水生态系统中的应用 | 第18-20页 |
| 1.5.1 神经网络概况 | 第18-19页 |
| 1.5.2 BP神经网络在水体富营养化中的应用 | 第19-20页 |
| 1.6 本研究的内容与目的、意义 | 第20-21页 |
| 1.6.1 研究内容 | 第20页 |
| 1.6.2 研究目的与意义 | 第20-21页 |
| 1.7 技术路线 | 第21-22页 |
| 2 材料与方法 | 第22-26页 |
| 2.1 水库概况 | 第22页 |
| 2.2 采样点设置与采样时间 | 第22-24页 |
| 2.3 理化指标的分析方法 | 第24-25页 |
| 2.4 藻类样品的采集与鉴定 | 第25页 |
| 2.5 数据分析及建模 | 第25-26页 |
| 3 灰色聚类分析法评价水库富营养化 | 第26-36页 |
| 3.1 前言 | 第26页 |
| 3.2 数据分析 | 第26-27页 |
| 3.3 灰色聚类分析评价富营养化的数学模型 | 第27-33页 |
| 3.3.1 确定聚类指标和灰类并进行数据的无量纲化处理 | 第27-28页 |
| 3.3.2 确定白化函数 | 第28-31页 |
| 3.3.3 各参数聚类权重的计算 | 第31页 |
| 3.3.4 聚类系数及聚类结果 | 第31-32页 |
| 3.3.5 与综合营养状态指数法和营养状态评分法的比较 | 第32-33页 |
| 3.4 结果 | 第33-34页 |
| 3.5 讨论 | 第34-35页 |
| 3.6 小结 | 第35-36页 |
| 4 浮游植物群落特征及其影响因素 | 第36-46页 |
| 4.1 前言 | 第36页 |
| 4.2 数据分析 | 第36-37页 |
| 4.3 结果与分析 | 第37-43页 |
| 4.3.1 浮游植物 | 第37-39页 |
| 4.3.2 环境因子的时空变化 | 第39-41页 |
| 4.3.3 浮游植物与环境因子之间的CCA分析 | 第41-42页 |
| 4.3.4 浮游植物丰度与叶绿素a的关系 | 第42-43页 |
| 4.5 讨论 | 第43-45页 |
| 4.5.1 水库水质状况 | 第43-44页 |
| 4.5.2 浮游植物群落结构与环境因子之间的关系 | 第44页 |
| 4.5.3 浮游植物丰度与叶绿素a的关系 | 第44-45页 |
| 4.6 小结 | 第45-46页 |
| 5 基于人工神经网络的富营养化进程模拟和污染控制对策 | 第46-53页 |
| 5.1 前言 | 第46页 |
| 5.2 数据分析 | 第46-48页 |
| 5.2.1 采样点设置和测定 | 第46-47页 |
| 5.2.2 数据的预处理 | 第47页 |
| 5.2.3 遗传算法优化BP神经网络模型的构建和应用 | 第47-48页 |
| 5.3 结果与分析 | 第48-50页 |
| 5.3.1 网络输入变量的筛选 | 第48-49页 |
| 5.3.2 神经网络模拟Chl‐a | 第49页 |
| 5.3.3 神经网络泛化能力检验 | 第49-50页 |
| 5.3.4 叶绿素a的压力响应模拟 | 第50页 |
| 5.4 讨论 | 第50-52页 |
| 5.5 小结 | 第52-53页 |
| 6 结论与展望 | 第53-55页 |
| 6.1 主要结论 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 附录 在校期间参与的科研项目 | 第60-61页 |
| 致谢 | 第61页 |
