城市降雨径流模型的参数敏感度分析与率定研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 城市雨洪模型研究现状 | 第10-11页 |
| 1.2.2 参数敏感性研究现状 | 第11-12页 |
| 1.2.3 参数率定研究现状 | 第12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 技术路线 | 第13-15页 |
| 第二章 城市雨洪模型构建 | 第15-44页 |
| 2.1 城市雨洪模型概述 | 第15-20页 |
| 2.1.1 SWMM模型概述 | 第15页 |
| 2.1.2 降雨模型 | 第15页 |
| 2.1.3 径流模型 | 第15-17页 |
| 2.1.4 LID模型 | 第17-18页 |
| 2.1.5 面源污染模型 | 第18-20页 |
| 2.2 模型构建路线 | 第20-21页 |
| 2.3 降雨径流模型构建 | 第21-31页 |
| 2.3.1 研究区域概况 | 第21-22页 |
| 2.3.2 基础数据提取 | 第22-31页 |
| 2.4 面源污染模型构建 | 第31-33页 |
| 2.5 LID模型构建 | 第33-44页 |
| 2.5.1 典型LID设施的适用性条件分析 | 第33-36页 |
| 2.5.2 典型LID设施的分区配置 | 第36-44页 |
| 第三章 基于Morris法的模型参数敏感度分析 | 第44-49页 |
| 3.1 模型参数敏感敏感度分析概论 | 第44页 |
| 3.2 Morris法的基本原理 | 第44-45页 |
| 3.3 参数灵敏度计算方法 | 第45-47页 |
| 3.3.1 参数的取值范围 | 第45页 |
| 3.3.2 计算过程 | 第45-47页 |
| 3.4 结果与分析 | 第47-49页 |
| 第四章 基于BP神经网络的参数率定 | 第49-78页 |
| 4.1 模型参数率定概论 | 第49页 |
| 4.1.1 常见的参数率定方法 | 第49页 |
| 4.2 人工神经网络概论 | 第49-53页 |
| 4.2.1 人工神经网络发展史 | 第49-50页 |
| 4.2.2 人工神经网络基本模型 | 第50-51页 |
| 4.2.3 人工神经网络的互连模式 | 第51-53页 |
| 4.3 人工神经网络选择 | 第53页 |
| 4.4 BP神经网络构建 | 第53-57页 |
| 4.4.1 BP神经网络学习样本选取 | 第53-55页 |
| 4.4.2 BP神经网络结构构建 | 第55页 |
| 4.4.3 BP神经网络构建 | 第55-57页 |
| 4.5 BP神经网络运行调整 | 第57-76页 |
| 4.5.1 训练函数调整 | 第57-65页 |
| 4.5.2 中间层神经元个数调整 | 第65-76页 |
| 4.6 BP神经网络运行分析 | 第76-78页 |
| 4.6.1 仿真运行结果分析 | 第76-77页 |
| 4.6.2 参数运行结果分析 | 第77-78页 |
| 第五章 LID效果分析 | 第78-88页 |
| 5.1 LID对径流控制效果分析 | 第78-82页 |
| 5.1.1 年径流总量控制率 | 第78页 |
| 5.1.2 子汇水面积径流控制情况分析 | 第78-81页 |
| 5.1.3 分析结果调整 | 第81-82页 |
| 5.2 LID对面源污染负荷年去除效果分析 | 第82-88页 |
| 5.2.1 研究区整体面源污染负荷去除效果分析 | 第82-84页 |
| 5.2.2 各子汇水面积面源污染负荷去除效果分析 | 第84-88页 |
| 第六章 结论与展望 | 第88-90页 |
| 6.1 结论 | 第88-89页 |
| 6.2 展望 | 第89-90页 |
| 参考文献 | 第90-93页 |
| 攻读硕士学位期间所发表的学术成果 | 第93-94页 |
| 致谢 | 第94-95页 |
