龙羊峡水库入库径流中长期预报问题的研究
| 第一章 前 言 | 第1-18页 |
| ·龙羊峡以上流域概况 | 第10-12页 |
| ·问题的提出 | 第12-13页 |
| ·国内外研究的现状 | 第13-17页 |
| ·我国中长期水文预报历史的简单回顾 | 第13-14页 |
| ·中长期水文预报研究的现状 | 第14-16页 |
| ·研究发展的特点及存在的主要问题 | 第16-17页 |
| ·本文主要研究的内容 | 第17-18页 |
| 第二章 中长期水文预报的基本方法 | 第18-21页 |
| ·中长期水文预报的概念 | 第18页 |
| ·中长期水文预报的预见期 | 第18页 |
| ·现行中长期水文预报的主要途径 | 第18-21页 |
| ·天气学方法 | 第18-19页 |
| ·统计学方法 | 第19-20页 |
| ·能量学方法 | 第20-21页 |
| 第三章 中长期预报的影响因子的确定 | 第21-34页 |
| ·水文过程的影响因素 | 第21-22页 |
| ·预报因子的物理考察 | 第22-23页 |
| ·前期大气环流因素 | 第22-23页 |
| ·前期太阳、宇宙、地球物理因素 | 第23页 |
| ·前期海陆冷热源因素 | 第23页 |
| ·前期地面水文气象因素 | 第23页 |
| ·预报因子的统计分析 | 第23-28页 |
| ·相关概率 | 第24-25页 |
| ·单相关系数 | 第25-27页 |
| ·等级相关系数 | 第27-28页 |
| ·龙羊峡水库入库径流的因子的确定 | 第28-34页 |
| ·预报因子的物理成因分析 | 第28-29页 |
| ·预报因子的统计分析 | 第29-32页 |
| ·影响因子的确定结论 | 第32-34页 |
| 第四章 水文时间序列的动力系统分析 | 第34-47页 |
| ·动力系统研究的状况 | 第34-35页 |
| ·水文动力系统的分析方法 | 第35-38页 |
| ·动力系统的概念 | 第35-36页 |
| ·Lyapunov 指数 | 第36-38页 |
| ·龙羊峡入库径流的最大可预报时间尺度 | 第38-47页 |
| ·时间序列的重构相空间 | 第38页 |
| ·Takens定理及重构相空间 | 第38-40页 |
| ·迟滞时间 的选取 | 第40-42页 |
| ·嵌入维数m的确定 | 第42-43页 |
| ·Lyapunov指数的数值计算 | 第43-47页 |
| 第五章 基于时间序列分析的中长期预报模型 | 第47-60页 |
| ·回归分析及多元线性回归分析 | 第47-51页 |
| ·回归系数的计算 | 第48-50页 |
| ·回归效果的检验 | 第50-51页 |
| ·基于时间序列分析的中长期预报模型 | 第51-53页 |
| ·预报模型的建立 | 第51-52页 |
| ·预报模型的参数率定 | 第52-53页 |
| ·预报模型的检验 | 第53-58页 |
| ·回归效果的复相关系数检验 | 第53-56页 |
| ·预报模型的实际预报检验 | 第56-58页 |
| ·预报结果分析 | 第58-60页 |
| 第六章 基于人工神经网络的非线性中长期预报模型 | 第60-72页 |
| ·人工神经网络的基本概念 | 第60-61页 |
| ·BP神经网络的基本原理 | 第61-66页 |
| ·BP神经网络模型结构 | 第61-62页 |
| ·基于BP算法的三层前馈网络数学模型 | 第62-63页 |
| ·BP学习算法 | 第63-65页 |
| ·BP算法的程序实现 | 第65-66页 |
| ·基于混沌分析的BP神经网络方法 | 第66-67页 |
| ·基于BP神经网络的中长期预报模型 | 第67-70页 |
| ·预报结果分析 | 第70-72页 |
| 第七章 结 语 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 发表论文和参加科研情况 | 第79-80页 |
| 参加科研 | 第79-80页 |
| 致 谢 | 第80页 |
