| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-10页 |
| 插图清单 | 第10-11页 |
| 表格清单 | 第11-12页 |
| 前言 | 第12-13页 |
| 第一章 绪论 | 第13-21页 |
| ·湖泊富营养化概述 | 第13-14页 |
| ·人工神经网络概述 | 第14-16页 |
| ·本文的研究背景 | 第16-17页 |
| ·国内外研究现状 | 第17-20页 |
| ·本文的研究意义和研究内容 | 第20-21页 |
| 第二章 巢湖流域概况 | 第21-27页 |
| ·巢湖流域概述 | 第21-22页 |
| ·自然地理特征 | 第21-22页 |
| ·社会环境特征 | 第22页 |
| ·巢湖流域地表水资源 | 第22-24页 |
| ·水系概况 | 第22-24页 |
| ·地表水资源及其分布 | 第24页 |
| ·巢湖的富营养化成因 | 第24-27页 |
| ·富营养化发生的内因 | 第24-25页 |
| ·富营养化发生的外因 | 第25-27页 |
| 第三章 巢湖营养状况的神经网络评价 | 第27-44页 |
| ·BP网络法水质评价的特点 | 第27-30页 |
| ·BP网络概述 | 第27-29页 |
| ·BP网络法水质评价的特点 | 第29-30页 |
| ·评价对象和评价标准的选取 | 第30-31页 |
| ·评价对象的选取 | 第30页 |
| ·评价因子的确定 | 第30-31页 |
| ·评价标准的确定 | 第31页 |
| ·巢湖营养状况评价神经网络构建 | 第31-33页 |
| ·输入层神经元数和输入模式向量 | 第31页 |
| ·隐层和隐层神经元数 | 第31-32页 |
| ·输出层神经元个数与期望输出 | 第32页 |
| ·BP网络结构 | 第32-33页 |
| ·网络的MATLAB实现 | 第33-34页 |
| ·巢湖营养状况评价结果 | 第34-37页 |
| ·水质评价的BP网络—隶属度串联模型 | 第37-42页 |
| ·BP网络—隶属度串联模型原理 | 第38页 |
| ·利用BP网络—隶属度串联模型评价巢湖水质 | 第38-42页 |
| ·小结 | 第42-44页 |
| 第四章 湖泊富营养化的神经网络短期预测 | 第44-56页 |
| ·神经网络与湖泊富营养化预测 | 第44页 |
| ·衡量湖泊富营养化的因子与标准的确定 | 第44-46页 |
| ·衡量富营养化的因子的确定 | 第44-45页 |
| ·衡量标准的确定 | 第45-46页 |
| ·预测点位和预测步骤的确定 | 第46-47页 |
| ·预测点位的选择 | 第46页 |
| ·预测步骤的确定 | 第46-47页 |
| ·神经网络对于叶绿素a的月值预测 | 第47-50页 |
| ·选取研究对象 | 第47-48页 |
| ·南淝河入湖口叶绿素a的神经网络月值预测 | 第48-50页 |
| ·东、西半湖湖心点叶绿素a的神经网络月值预测 | 第50页 |
| ·神经网络对于叶绿素a的周值预测 | 第50-53页 |
| ·插值 | 第51页 |
| ·叶绿素a的周值预测 | 第51-53页 |
| ·小结 | 第53-56页 |
| 第五章 湖泊水质的灰色神经网络预测 | 第56-62页 |
| ·灰色神经网络概述 | 第56-57页 |
| ·灰色理论概述 | 第56页 |
| ·灰色神经网络 | 第56-57页 |
| ·GM(1.1)—神经网络串联模型的构建 | 第57-58页 |
| ·GM(1,1)—神经网络串联模型在巢湖水质预测中的应用 | 第58-60页 |
| ·构建GM(1,1)预测模型 | 第59页 |
| ·利用人工神经网络改进预测值 | 第59-60页 |
| ·结果检验 | 第60页 |
| ·小结 | 第60-62页 |
| 第六章 结论与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |