流域分类预报方法研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第9-12页 |
| 1 流域分类预报理论 | 第12-27页 |
| 1.1 现代预报现状及存在问题 | 第12页 |
| 1.2 预报方法发展趋势 | 第12-13页 |
| 1.3 分类预报调度设计方法 | 第13-14页 |
| 1.4 基于神经网络的分类预报方法 | 第14-21页 |
| 1.4.1 BP神经网络的基本原理 | 第14-16页 |
| 1.4.2 BP算法的基本步骤 | 第16-17页 |
| 1.4.3 几种改进的BP快速训练算法 | 第17-20页 |
| 1.4.4 BP算法在分类中的应用 | 第20-21页 |
| 1.5 预报模型参数优选 | 第21-27页 |
| 1.5.1 预报模型的优选目标 | 第21-22页 |
| 1.5.2 遗传算法在预报参数优选中的应用 | 第22-27页 |
| 2 流域分类预报的系统集成 | 第27-39页 |
| 2.1 流域洪水预报系统组织结构 | 第27-28页 |
| 2.2 智能算法的软件集成方法 | 第28-30页 |
| 2.2.1 数据结构设计 | 第28-30页 |
| 2.2.2 数据流程设计 | 第30页 |
| 2.3 智能算法功能的软件实现 | 第30-39页 |
| 2.3.1 数据前处理 | 第31-32页 |
| 2.3.2 实时预报与校正界面设计 | 第32-33页 |
| 2.3.3 参数优选界面设计 | 第33-36页 |
| 2.3.4 数据后处理界面设计 | 第36-39页 |
| 3 应用实例分析 | 第39-49页 |
| 3.1 流域概况 | 第39-40页 |
| 3.2 基本资料情况 | 第40页 |
| 3.3 历史洪水分类分析 | 第40-45页 |
| 3.4 模型及参数优选 | 第45页 |
| 3.5 洪水分类模拟及检验 | 第45-49页 |
| 4 结论 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 攻读硕士学位期间发表学术论文情况 | 第52-53页 |
| 致谢 | 第53-54页 |
| 大连理工大学学位论文版权使用授权书 | 第54页 |
