| 英汉缩略语名词对照 | 第1-7页 |
| 中文摘要 | 第7-9页 |
| 英文摘要 | 第9-11页 |
| 论文正文：基于支持向量机的三峡库区重庆段水质状况及其对人群健康影响的预测研究 | 第11-72页 |
| 前言 | 第11-14页 |
| 第一章 人工神经网络预测模型 | 第14-20页 |
| 1 人工神经网络的基本原理和特点 | 第14-15页 |
| 2 BP 神经网络 | 第15-18页 |
| 3 径向基函数神经网络(RBFNN)模型 | 第18-20页 |
| 第二章 支持向量机预测模型 | 第20-32页 |
| 1 统计学习理论(SLT) | 第20-23页 |
| 2 支持向量机(SVM)模型 | 第23-32页 |
| 第三章 SVR 与人工神经网络水质预测方法仿真与分析 | 第32-53页 |
| 1 研究资料 | 第32-33页 |
| 2 描述性分析 | 第33-36页 |
| 3 水质数据处理(样本设计) | 第36-37页 |
| 4 预测效果比较 | 第37页 |
| 5 支持向量机与神经网络水质模型预测结果比较 | 第37-53页 |
| 第四章 SVR 与人工神经网络疾病预测方法仿真与分析 | 第53-64页 |
| 1 研究资料 | 第53页 |
| 2 描述性分析 | 第53-55页 |
| 3 住院病人数数据处理(样本设计) | 第55页 |
| 4 支持向量机与神经网络疾病预测模型结果比较 | 第55-62页 |
| 5 支持向量机与人工神经网络预测效果比较表 | 第62-64页 |
| 第五章 讨论 | 第64-67页 |
| 1 支持向量机的优点 | 第64页 |
| 2 支持向量机存在的问题 | 第64-65页 |
| 3 本次研究的体会 | 第65-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 文献综述：人群疾病预测模型及其应用 | 第72-78页 |
| 附录1 BPNN 预测程序 | 第78-79页 |
| 附录2 RBFNN 预测程序 | 第79-81页 |
| 附录3 SVR 预测程序 | 第81-83页 |
| 致谢 | 第83-84页 |
| 攻读学位期间发表的学术论文 | 第84页 |
