| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究进展 | 第10-16页 |
| 1.2.1 地下水水质空间插值 | 第10-13页 |
| 1.2.2 水质评价 | 第13-16页 |
| 1.3 研究内容及技术路线 | 第16-18页 |
| 1.3.1 研究内容 | 第16页 |
| 1.3.2 技术路线 | 第16-18页 |
| 第二章 研究区概况及数据收集与分析 | 第18-41页 |
| 2.1 研究区概况 | 第18-19页 |
| 2.1.1 研究区自然地理概况 | 第18-19页 |
| 2.1.2 地下水概况 | 第19页 |
| 2.2 数据来源 | 第19-22页 |
| 2.3 水质指标的选择及统计 | 第22-23页 |
| 2.3.1 水质指标的选择 | 第22-23页 |
| 2.3.2 水质指标的统计数据 | 第23页 |
| 2.4 水质指标的时空变异分析 | 第23-27页 |
| 2.4.1 水质指标时间变异分析 | 第23-26页 |
| 2.4.2 水质 指标的空间变异分析 | 第26-27页 |
| 2.5 地下水水质影响因子分析 | 第27-30页 |
| 2.5.1 相关性检验 | 第27-28页 |
| 2.5.2 公因子提取 | 第28页 |
| 2.5.3 公因子解释 | 第28-29页 |
| 2.5.4 地下水质影响因素分析 | 第29-30页 |
| 2.6 水质影响因子数据处理 | 第30-40页 |
| 2.6.1 月降水量数据处理 | 第30-33页 |
| 2.6.2 月蒸发量数据处理 | 第33-36页 |
| 2.6.3 土壤类型数据处理 | 第36-37页 |
| 2.6.4 地质岩性数据处理 | 第37-39页 |
| 2.6.5 城市内河数据处理 | 第39页 |
| 2.6.6 人类活动密度数据处理 | 第39-40页 |
| 2.7 本章小结 | 第40-41页 |
| 第三章 基于RBF的地下水水质空间插值 | 第41-53页 |
| 3.1 RBF空间插值原理 | 第41-44页 |
| 3.1.1 RBF网络输入层处理方法 | 第41-42页 |
| 3.1.2 径向基神经网络 | 第42-44页 |
| 3.2 RBF神经网络模型构建 | 第44页 |
| 3.2.1 RBF神经网络输入输出因子确定 | 第44页 |
| 3.2.2 数据预处理 | 第44页 |
| 3.3 RBF神经网络训练与预测 | 第44-45页 |
| 3.3.1 RBF神经网络训练 | 第44页 |
| 3.3.2 RBF神经网络预测 | 第44-45页 |
| 3.4 误差分析 | 第45-46页 |
| 3.5 地下水水质空间分布特征 | 第46-52页 |
| 3.5.1 总硬度空间分布特征 | 第46-47页 |
| 3.5.2 溶解性总固体空间分布特征 | 第47-48页 |
| 3.5.3 氟化物空间分布特征 | 第48-49页 |
| 3.5.4 硝酸根空间分布特征 | 第49-50页 |
| 3.5.5 氨氮空间分布特征 | 第50-51页 |
| 3.5.6 总铁空间分布特征 | 第51-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第四章 基于优化支持向量机地下水水质评价 | 第53-66页 |
| 4.1 支持向量机算法 | 第53-58页 |
| 4.1.1 支持向量机理论 | 第53页 |
| 4.1.2 最优分类超平面 | 第53-54页 |
| 4.1.3 线性支持向量机 | 第54-56页 |
| 4.1.4 非线性支持向量机 | 第56-57页 |
| 4.1.5 核函数 | 第57-58页 |
| 4.1.6 支持向量机参数的影响 | 第58页 |
| 4.2 粒子群算法优化支持向量机 | 第58-60页 |
| 4.2.1 粒子群算法原理 | 第58-59页 |
| 4.2.2 粒子群优化支持向量机分类参数步骤 | 第59-60页 |
| 4.3 基于PSO-SVM的地下水水质综合评价 | 第60-63页 |
| 4.3.1 地下水水质分类及指标 | 第60-61页 |
| 4.3.2 PSO-SVM与其他方法评价结果对比 | 第61-62页 |
| 4.3.3 基于PSO-SVM研究区地下水水质评价结果及分析 | 第62-63页 |
| 4.4 地下水水质变化原因分析 | 第63-65页 |
| 4.5 本章小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 总结 | 第66-67页 |
| 展望 | 第67-68页 |
| 参考文献 | 第68-75页 |
| 致谢 | 第75-76页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第76页 |