| 中文摘要 | 第1-9页 |
| 英文摘要 | 第9-11页 |
| 1 引言 | 第11-16页 |
| 1．1 立题依据 | 第11页 |
| 1．2 研究的目的和意义 | 第11-12页 |
| 1．3 国内外研究动态和趋势 | 第12-14页 |
| 1．3．1 国内研究的动态和趋势 | 第13页 |
| 1．3．2 国外研究动态和趋势 | 第13-14页 |
| 1．4 本课题须研究的主要内容及技术路线 | 第14-15页 |
| 1．4．1 本课题研究的主要内容 | 第14页 |
| 1．4．2 本课题研究的技术路线 | 第14-15页 |
| 1．5 江东灌区概况 | 第15-16页 |
| 2 气象因子对水稻需水量的影响分析 | 第16-24页 |
| 2．1 作物需水量的概念 | 第16页 |
| 2．2 各气象因子对水稻腾发量的影响 | 第16-19页 |
| 2．2．1 气温与水稻腾发量的关系 | 第17页 |
| 2．2．2 风速与水稻腾发量的关系 | 第17-18页 |
| 2．2．3 空气饱和差与水稻腾发量的关系 | 第18页 |
| 2．2．4 日照时数与水稻腾发量的关系 | 第18页 |
| 2．2．5 以水面蒸发为参数建立回归模型 | 第18-19页 |
| 2．3 多个气象因子共同作用对水稻腾发量的影响 | 第19-23页 |
| 2．3．1 双因子分析 | 第19页 |
| 2．3．2 多因子分析 | 第19页 |
| 2．3．3 四个因素共同对ET的影响 | 第19-23页 |
| 2．4 计算模型的选择 | 第23页 |
| 2．5 小结 | 第23-24页 |
| 3 水稻需水量预测的多变量自回归模型研究 | 第24-40页 |
| 3．1 多变量自回归模型建模方法 | 第24-29页 |
| 3．1．1 模型的数学表达式 | 第24-25页 |
| 3．1．2 序列平稳化 | 第25页 |
| 3．1．3 ARV（n）模型定阶 | 第25-27页 |
| 3．1．4 多维AR模型参数的估计 | 第27-28页 |
| 3．1．5 自回归模型建立 | 第28-29页 |
| 3．1．6 ARV（n）模型的预报 | 第29页 |
| 3．2 江东灌区水稻需水量预测ARV（6）模型 | 第29-35页 |
| 3．2．1 数据处理 | 第31-32页 |
| 3．2．2 数据序列平稳化（提取周期项） | 第32-33页 |
| 3．2．3 求相关距阵，模型定阶 | 第33-34页 |
| 3．2．4 参数估计 | 第34-35页 |
| 3．2．5 建立模型 | 第35页 |
| 3．2．6 模型预测 | 第35页 |
| 3．3 小结 | 第35-40页 |
| 4 水稻需水量预测的自激励门限自回归模型研究 | 第40-50页 |
| 4．1 自激励门限自回归模型简介 | 第40-41页 |
| 4．2 门限自回归模型建模 | 第41-46页 |
| 4．2．1 D．D．C方法求点值图 | 第41-42页 |
| 4．2．2 H．Tong方法求最优延迟步数d、r_j和φ_i~（（j）） | 第42-45页 |
| 4．2．3 SETAR模型的测预（最佳预报） | 第45-46页 |
| 4．3 江东灌区水稻需水量的门限自回归模型建模实例 | 第46-49页 |
| 4．3．1 绘制点值图 | 第46页 |
| 4．3．2 逐步寻优 | 第46-48页 |
| 4．3．3 建立需水量门限自回归模型建 | 第48-49页 |
| 4．3．4 水稻需水量测预 | 第49页 |
| 4．4 小结 | 第49-50页 |
| 5 水稻需水量测预的人工神经网络模型研究 | 第50-54页 |
| 5．1 BP网络简介 | 第50页 |
| 5．2 BP模型计算公式 | 第50-51页 |
| 5．3 BP网络训练学习步骤 | 第51-52页 |
| 5．4 水稻需水量自身序列的自相关BP—ANN网络模型 | 第52页 |
| 5．5 考虑多种气象因子影响的水稻需水量预测的BP网络模型 | 第52-53页 |
| 5．6 小结 | 第53-54页 |
| 6 结论 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57-58页 |
| 个人简历 | 第58页 |
