混沌理论在径流预报中的应用研究
| 1 绪论 | 第1-24页 |
| ·研究背景及意义 | 第11-12页 |
| ·混沌理论的发展 | 第12-15页 |
| ·混沌时间序列研究的主要内容及进展 | 第15-17页 |
| ·混沌理论在水文中的应用研究现状 | 第17-20页 |
| ·混沌理论在水文应用研究中存在的不足 | 第20-21页 |
| ·本文主要研究内容 | 第21-24页 |
| 2 水文系统的相空间重构 | 第24-40页 |
| ·水文系统相空间重构概论 | 第24-25页 |
| ·相空间重构参数的确定方法分析 | 第25-26页 |
| ·关联维数(吸引子维数)的确定 | 第26-30页 |
| ·关联维数的定义 | 第26-27页 |
| ·饱和关联维数法的求解步骤 | 第27-28页 |
| ·多种径流序列的吸引子维数 | 第28-30页 |
| ·嵌入滞时和嵌入维数的确定 | 第30-33页 |
| ·关联积分法的计算原理 | 第31-32页 |
| ·关联积分法的计算步聚 | 第32-33页 |
| ·算例分析 | 第33-39页 |
| ·经典混沌系统 | 第33-35页 |
| ·实际水文动力系统 | 第35-39页 |
| ·小结 | 第39-40页 |
| 3 水文动力系统的混沌识别 | 第40-54页 |
| ·概论 | 第40-41页 |
| ·相图法 | 第41-44页 |
| ·功率谱分析 | 第44-46页 |
| ·饱和关联维数法 | 第46页 |
| ·Lyapunov指数法 | 第46-52页 |
| ·Lyapunov指数定义及目前主要求解方法 | 第46-48页 |
| ·小数据量法 | 第48-50页 |
| ·水文时间序列最大Lyapunov指数的计算结果 | 第50-52页 |
| ·小结 | 第52-54页 |
| 4 混沌水文时间序列加权动态局域预测模型 | 第54-68页 |
| ·引言 | 第54页 |
| ·加权动态局域预测模型 | 第54-57页 |
| ·原理分析 | 第54-55页 |
| ·最邻近点数(最优邻域)的选择 | 第55-57页 |
| ·算例分析 | 第57-67页 |
| ·经典混沌系统 | 第57-59页 |
| ·实际水文系统 | 第59-67页 |
| ·小结 | 第67-68页 |
| 5 径向基函数神经网络混沌预测模型 | 第68-83页 |
| ·引言 | 第68-69页 |
| ·径向基函数网络 | 第69-70页 |
| ·径向基函数中心的确定 | 第70-75页 |
| ·模糊聚类中心的确定 | 第70-71页 |
| ·径向基函数中心的优选 | 第71-72页 |
| ·交叉有效性指标(GCV)和正规化参数λ | 第72-74页 |
| ·网络构造过程 | 第74-75页 |
| ·实例分析 | 第75-81页 |
| ·结论 | 第81-83页 |
| 6 混沌水文时间序列的区间预测 | 第83-96页 |
| ·概述 | 第83页 |
| ·区间预测可行性分析 | 第83-85页 |
| ·当前时刻相点相似状态的确定 | 第85-90页 |
| ·交叉迭代模糊聚类算法 | 第85-88页 |
| ·基于类间相关系数的聚类有效性指标 | 第88-90页 |
| ·预测区间的确定及具体计算步骤 | 第90-92页 |
| ·预测区间的确定 | 第90-91页 |
| ·区间预测算法的具体计算步骤 | 第91-92页 |
| ·实例计算 | 第92-94页 |
| ·结语 | 第94-96页 |
| 7 基于混沌优化算法的模糊优选神经网络预测模型 | 第96-113页 |
| ·概述 | 第96页 |
| ·混沌优化算法的研究进展及基本思想 | 第96-97页 |
| ·基于混沌优化算法的模糊优选神经网络预测模型 | 第97-101页 |
| ·模糊优选神经网络预测模型 | 第97-100页 |
| ·模糊优选神经网络混沌优化算法 | 第100-101页 |
| ·实例分析 | 第101-112页 |
| ·实例1-新疆伊犁河雅马渡站年径流量预测 | 第102-107页 |
| ·实例2-大连市碧流河水库年径流量预测 | 第107-112页 |
| ·小结 | 第112-113页 |
| 8 结论与展望 | 第113-116页 |
| ·全文总结 | 第113-114页 |
| ·展望 | 第114-116页 |
| 参考文献 | 第116-122页 |
| 创新点摘要 | 第122-124页 |
| 作者在博士生期间参加课题和合作完成论文 | 第124-125页 |
| 致谢 | 第125-126页 |
| 附表1 | 第126-128页 |
| 附表2 | 第128-133页 |
