| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-23页 |
| ·研究背景 | 第9-10页 |
| ·课题来源和研究意义 | 第10-11页 |
| ·来源 | 第10页 |
| ·意义 | 第10-11页 |
| ·预测的概念及分类 | 第11-16页 |
| ·国内外研究现状概述 | 第16-21页 |
| ·论文结构 | 第21-23页 |
| 2 预测方法概述 | 第23-47页 |
| ·灰色理论概述 | 第23-31页 |
| ·灰色理论的起源和发展 | 第23-25页 |
| ·灰色预测理论的内容 | 第25-26页 |
| ·灰色GM(1, 1)预测模型 | 第26-28页 |
| ·灰色预测模型的热点研究领域 | 第28-31页 |
| ·人工神经网络概述 | 第31-42页 |
| ·人工神经网络的起源和发展 | 第31-33页 |
| ·人工神经元 | 第33-35页 |
| ·人工神经网络的学习 | 第35-36页 |
| ·人工神经网络的分类 | 第36-37页 |
| ·人工神经网络的特点 | 第37页 |
| ·BP 人工神经网络 | 第37-42页 |
| ·支持向量机预测方法概述 | 第42-45页 |
| ·组合预测方法概述 | 第45-46页 |
| ·灰色神经网络预测方法 | 第46页 |
| ·灰色支持向量机预测方法 | 第46页 |
| ·本章小结 | 第46-47页 |
| 3 改进的相关熵及其在水质参数时序预测中的应用 | 第47-67页 |
| ·概述 | 第47-48页 |
| ·基本概念 | 第48-51页 |
| ·算法描述 | 第51-53页 |
| ·改进的相关熵在水质参数预测中的应用 | 第53-66页 |
| ·相关熵求嵌入维数 | 第53-57页 |
| ·BP 神经网络预测 | 第57-59页 |
| ·LS-SVM 模型预测 | 第59-63页 |
| ·BP 神经网络和LS-SVM 模型预测性能对比分析 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 4 小样本水质参数时序数据预测方法研究 | 第67-85页 |
| ·概述 | 第67-68页 |
| ·灰色BP 神经网络预测 | 第68-77页 |
| ·两种方法结合的必要性 | 第68-69页 |
| ·灰色GM(1, 1)新陈代谢预测模型 | 第69-71页 |
| ·灰色新陈代谢BP 神经网络预测模型描述 | 第71-73页 |
| ·灰色新陈代谢BP 神经网络预测流程 | 第73-74页 |
| ·仿真实验分析 | 第74-77页 |
| ·ELS-SVM 预测模型 | 第77-84页 |
| ·数据预处理 | 第77-78页 |
| ·实验测定参数 | 第78页 |
| ·ELS-SVM 模型描述与预测流程 | 第78-80页 |
| ·仿真实验分析 | 第80-84页 |
| ·灰色新陈代谢BP 神经网络和ELS-SVM 模型仿真结果分析 | 第84页 |
| ·本章小结 | 第84-85页 |
| 5 结论与展望 | 第85-87页 |
| ·主要工作与结论 | 第85页 |
| ·后续研究工作的展望 | 第85-87页 |
| 致谢 | 第87-89页 |
| 参考文献 | 第89-97页 |
| 附录 | 第97页 |
| A. 作者在攻读学位期间发表的论文目录 | 第97页 |
| B. 作者在攻读学位期间参加的科研项目及得奖情况 | 第97页 |