| 第1章 绪 论 | 第1-25页 |
| 1．1 选题背景和研究意义 | 第11-12页 |
| 1．2 智能算法的研究现状综述 | 第12-15页 |
| 1．2．1 基于遗传算法的参数优化模型 | 第12-13页 |
| 1．2．2 基于模糊集理论的聚类分析 | 第13-14页 |
| 1．2．3 基于神经网络的分类模型 | 第14-15页 |
| 1．3 研究背景 | 第15-17页 |
| 1．3．1 研究的课题背景 | 第15页 |
| 1．3．2 研究的工程背景 | 第15-17页 |
| 1．4 本文研究的主要内容 | 第17-20页 |
| 1．4．1 全文的组织结构 | 第17-18页 |
| 1．4．2 本文研究的主要内容 | 第18-20页 |
| 参考文献 | 第20-25页 |
| 第2章 遗传算法（GAs）在新安江模型参数自动率定中的应用研究 | 第25-47页 |
| 2．1 引言 | 第25-26页 |
| 2．2 GAs在参数率定中的应用 | 第26-32页 |
| 2．2．1 新安江（三水源）模型简介 | 第26-27页 |
| 2．2．2 基于GAs的新安江模型参数率定 | 第27-32页 |
| 2．2．2．1 基于GAs的产流阶段单目标无约束极大化问题参数率定 | 第28-30页 |
| 2．2．2．2 基于GAs的汇流阶段多目标约束优化问题模型参数率定 | 第30-32页 |
| 2．3 应用实例分析 | 第32-37页 |
| 2．3．1 初始参数区间范围设定 | 第32-33页 |
| 2．3．2 基于GAs的新安江模型参数率定 | 第33-36页 |
| 2．3．3 基于GAs的新安江模型参数检验 | 第36-37页 |
| 2．3．4 GAs参数自动率定结果与试算法率定结果比较 | 第37页 |
| 2．3．5 预报与实际洪水过程线 | 第37页 |
| 2．4 结语 | 第37-45页 |
| 参考文献 | 第45-47页 |
| 第3章 模糊ISODATA法在洪水聚类中的应用研究 | 第47-67页 |
| 3．1 引言 | 第47-48页 |
| 3．2 模糊聚类迭代ISODATA模型简介 | 第48-54页 |
| 3．3 模糊聚类迭代分析方法在洪水聚类中的应用 | 第54-64页 |
| 3．3．1 基于洪峰流量和洪水总量的洪水模糊聚类 | 第54-60页 |
| 3．3．1．1 应用实例分析 | 第54-60页 |
| 3．3．1．2 结果分析与讨论 | 第60页 |
| 3．3．2 基于影响场次洪水过程的要素的洪水模糊聚类 | 第60-64页 |
| 3．3．2．1 应用实例分析 | 第61-64页 |
| 3．3．2．2 结果分析与讨论 | 第64页 |
| 3．4 小结 | 第64-66页 |
| 参考文献 | 第66-67页 |
| 第4章 人工神经网络（ANN）在洪水分类中的应用研究 | 第67-95页 |
| 4．1 引言 | 第67-69页 |
| 4．2 BP神经网络在洪水分类中的应用 | 第69-88页 |
| 4．2．1 BP神经网络的基本原理 | 第69-70页 |
| 4．2．2 BP算法的基本步骤 | 第70-71页 |
| 4．2．3 几种改进的BP快速训练算法 | 第71-74页 |
| 4．2．3．1 动量法 | 第71-72页 |
| 4．2．3．2 动量法和自适应调整学习率的策略 | 第72页 |
| 4．2．3．3 共轭梯度法 | 第72-73页 |
| 4．2．3．4 拟牛顿法 | 第73-74页 |
| 4．2．3．5 L-M法 | 第74页 |
| 4．2．4 BP算法在分类中的应用 | 第74-75页 |
| 4．2．5 应用实例分析 | 第75-88页 |
| 4．2．6 结果分析与讨论 | 第88页 |
| 4．3 PNN模型在洪水分类中的应用 | 第88-91页 |
| 4．4 结语 | 第91-92页 |
| 参考文献 | 第92-95页 |
| 第5章 基于ANN分类和GAs参数率定的洪水实时校正预报 | 第95-111页 |
| 5．1 引言 | 第95-96页 |
| 5．2 基于ANN分类和GAs参数自动率定的实时校正预报 | 第96-99页 |
| 5．2．1 参数分类率定的实时校正方法 | 第97-99页 |
| 5．2．1．1 洪水的模糊ISODATA聚类 | 第97-98页 |
| 5．2．1．2 洪水的人工神经网络（ANN）分类 | 第98页 |
| 5．2．1．3 基于洪水分类的遗传算法（GAs）自动参数率定 | 第98页 |
| 5．2．1．4 基于ANN分类和GAs参数率定的实时校正预报 | 第98-99页 |
| 5．2．2 近期洪水的参数率定的实时校正方法 | 第99页 |
| 5．3 应用实例分析 | 第99-108页 |
| 5．3．1 采用参数分类率定的实时校正方法 | 第100-104页 |
| 5．3．2 采用近期洪水参数率定的实时校正方法 | 第104-105页 |
| 5．3．3 结果的分析比较 | 第105-108页 |
| 5．4 小结 | 第108-110页 |
| 参考文献 | 第110-111页 |
| 第6章 流域洪水预报系统中的智能算法集成软件实现 | 第111-126页 |
| 6．1 引言 | 第111页 |
| 6．2 流域洪水预报系统组织结构 | 第111-113页 |
| 6．3 智能算法集成方法 | 第113-116页 |
| 6．3．1 数据结构 | 第113-115页 |
| 6．3．2 与预报系统关系 | 第115页 |
| 6．3．3 方法集成 | 第115-116页 |
| 6．4 智能算法功能实现 | 第116-124页 |
| 6．4．1 数据前处理 | 第116-118页 |
| 6．4．2 实时预报与校正界面设计 | 第118-119页 |
| 6．4．3 参数率定界面设计 | 第119-123页 |
| 6．4．4 数据后处理界面设计 | 第123-124页 |
| 6．5 结语 | 第124-125页 |
| 参考文献 | 第125-126页 |
| 第7章 总结与展望 | 第126-131页 |
| 7．1 全文总结 | 第126-128页 |
| 7．2 展望 | 第128-130页 |
| 参考文献 | 第130-131页 |
| 作者在硕士生期间参加课题和完成论文 | 第131-133页 |
| 参加课题 | 第131-132页 |
| 完成论文 | 第132-133页 |
| 致 谢 | 第133页 |
