| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究目的和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 人工神经网络的发展 | 第9-10页 |
| 1.2.2 神经网络在水文预报中的应用 | 第10-11页 |
| 1.2.3 神经网络算法优化 | 第11-14页 |
| 1.3 研究内容 | 第14-15页 |
| 第二章 人工神经网络算法 | 第15-26页 |
| 2.1 人工神经网络 | 第15页 |
| 2.2 人工神经网络的基本结构 | 第15-17页 |
| 2.3 BP神经网络 | 第17-21页 |
| 2.3.1 BP神经网络概述 | 第17-18页 |
| 2.3.2 BP神经网络基本原理 | 第18-21页 |
| 2.4 LMBP神经网络 | 第21-22页 |
| 2.5 RBF神经网络 | 第22-25页 |
| 2.5.1 RBF网络基本结构 | 第23-24页 |
| 2.5.2 RBF网络的训练过程 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 流域洪水分析与计算 | 第26-34页 |
| 3.1 流域概况 | 第26页 |
| 3.2 流域水文气象特征 | 第26-28页 |
| 3.3 流域洪涝灾害 | 第28-29页 |
| 3.4 流域洪水分析与计算 | 第29-32页 |
| 3.5 流域洪水特性分析 | 第32页 |
| 3.6 本章小结 | 第32-34页 |
| 第四章 山区流域神经网络洪水预报模型 | 第34-79页 |
| 4.1 山区流域神经网络洪水预报模型的建立 | 第34-39页 |
| 4.1.1 洪水预报数学模型 | 第34页 |
| 4.1.2 样本选择与输入 | 第34-35页 |
| 4.1.3 算法与模型结构设计 | 第35-37页 |
| 4.1.4 输入输出模式 | 第37-39页 |
| 4.2 基于模式一的崇阳溪流域神经网络洪水预报模型 | 第39-59页 |
| 4.2.1 样本资料输入 | 第39-40页 |
| 4.2.2 洪水传播时间的确定 | 第40-41页 |
| 4.2.3 模型构建和参数试算 | 第41-44页 |
| 4.2.4 模拟预报结果 | 第44-55页 |
| 4.2.5 模拟预报结果评定 | 第55-59页 |
| 4.3 基于模式二的崇阳溪流域神经网络洪水预报模型 | 第59-76页 |
| 4.3.1 模型构建和参数试算 | 第60-62页 |
| 4.3.2 模拟预报结果 | 第62-73页 |
| 4.3.3 模拟预报结果评定 | 第73-76页 |
| 4.4 模型输出结果比较 | 第76-78页 |
| 4.5 本章小结 | 第78-79页 |
| 第五章 结论与展望 | 第79-81页 |
| 5.1 结论 | 第79-80页 |
| 5.2 展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-86页 |
| 个人简介 | 第86页 |