灌區(qū)運行狀況評價方法與灌溉用水量預(yù)測技術(shù)研究

第一章 灌區(qū)運行狀況評價的意義
1.1 日趨嚴(yán)峻的水資源形勢要求加強灌區(qū)管理
1.1.1 世界水資源概述
1.1.2 中國水資源概述
1.2 我國的灌區(qū)現(xiàn)狀要求適時對灌區(qū)進行評價
1.2.1 我國灌區(qū)的基本情況
1.2.2 我國灌區(qū)的地位及作用
1.2 3我國灌區(qū)發(fā)展面臨的困難與機遇
1.3 灌區(qū)運行評價的主要內(nèi)容
1.3.1 評價背景
1.3.2 評價內(nèi)容
1.3.3 評價技術(shù)路線
第二章 灌區(qū)評價指標(biāo)體系及評價方法研究
2.1 評價的基本理論
2.1.1 評價的基本形式
2.1.2 評價的基本內(nèi)容
2.2 灌區(qū)評價指標(biāo)體系的研究
2.2.1 評價指標(biāo)的建立原則及分類
2.2.2 評價指標(biāo)的標(biāo)準(zhǔn)化處理
2.2.3 灌區(qū)評價指標(biāo)體系研究存在的問題
2.2.4 灌區(qū)評價指標(biāo)的選取方法
2.3 灌區(qū)綜合評價方法的研究
2.3.1 灌區(qū)評價方法概述
2.3.2 灌區(qū)評價方法存在的問題
2.4 灌區(qū)綜合評價的研究動態(tài)
第三章 灌區(qū)評價指標(biāo)權(quán)重確定方法的比較研究
3.1 主觀賦權(quán)法
3.1.1 專家打分法
3.1.2 層次分析法
3.1.3 序關(guān)系分析法（G，一法）
3.1.4 基于粗集理論的屬性重要度賦權(quán)法
3.2 客觀賦權(quán)法
3.2.1 變異系數(shù)法
3.2.2 熵值法
3.2 3拉開檔次法
3.2.4 簡單關(guān)聯(lián)函數(shù)賦權(quán)法
3.3 各種賦權(quán)法的比較及適用條件
3.4 基于博弈論的綜合賦權(quán)法
第四章 模糊綜合評判模型在灌區(qū)運行狀況評價中的應(yīng)用
4.1 模糊數(shù)學(xué)概述
4.1.1 模糊數(shù)學(xué)的產(chǎn)生與發(fā)展
4.1.2 模糊數(shù)學(xué)的特點
4.2 模糊綜合評判模型
4.2.1 模糊綜合評判的概念
4.2.2 模糊綜合評判模型的計算步驟
4.3 實例分析
4.3.1 東港灌區(qū)簡介
4.3.2 東港灌區(qū)模糊綜合評價模型
第五章 改進的物元可拓評價模型在灌區(qū)運行狀況評價中的應(yīng)用
5.1 物元可拓評價模型簡介
5.1.1 可拓學(xué)的產(chǎn)生與發(fā)展
5.1.2 可拓學(xué)的研究對象和內(nèi)容
5.1.3 可拓學(xué)的特點
5.2 改進的物元可拓評價模型
5.2.1 傳統(tǒng)物元可拓評價模型的局限性
5.2.2 改進的物元可拓評價模型計算步驟
5.3 實例分析
5.3.1 構(gòu)造經(jīng)典域、節(jié)域和待評物元
5.3.2 權(quán)值的確定
5.3.3 確定東港灌區(qū)關(guān)于各類別等級的關(guān)聯(lián)度
5.3.4 計算東港灌區(qū)關(guān)于等級j的關(guān)聯(lián)度
5.3.5 計算結(jié)果及等級評定
第六章 基于集對分析的灌區(qū)可持續(xù)發(fā)展評價研究
6.1 集對分析簡介
6.1.1 集對分析的基本思想
6.1.2 集對分析的特點
6.2 基于集對分析的灌區(qū)評價模型
6.2.1 工程管理狀況、社會經(jīng)濟狀況與生態(tài)環(huán)境狀況聯(lián)系度表達式
6.2.2 工程管理狀況、社會經(jīng)濟狀況與生態(tài)環(huán)境狀況協(xié)調(diào)發(fā)展指數(shù)
6.3 實例分析
6.3.1 灌區(qū)可持續(xù)發(fā)展評價標(biāo)準(zhǔn)
6.3.2 灌區(qū)可持續(xù)發(fā)展水平評價
第七章 灌溉用水量預(yù)測的意義
7.1 灌溉用水量預(yù)測的意義
7.2 灌溉用水量預(yù)測技術(shù)國內(nèi)外研究現(xiàn)狀
7.2.1 灌溉用水量預(yù)測研究進展
7.2.2 灌溉用水量預(yù)測技術(shù)分類
7.2.3 灌溉用水量預(yù)測方法研究現(xiàn)狀
第八章 時間序列預(yù)測法在灌溉用水量預(yù)測中的應(yīng)用
8.1 時間序列預(yù)測法簡介
8.1.1 時間序列分析的發(fā)展概況
8.1.2 時間序列分析的相關(guān)概念
8.1.3 時間序列預(yù)測法的分類
8.1.4 影響時間序列變化的因素
8.2 平穩(wěn)時間序列預(yù)測法
8.2.1 平穩(wěn)時間序列的定義
8.2.2 平穩(wěn)時間序列的性質(zhì)
8.2.3 平穩(wěn)時間序列預(yù)測的步驟
8.3 應(yīng)用實例
8.3.1 遼陽灌區(qū)概況
8.3.2 時間序列預(yù)測法在遼陽灌區(qū)中的應(yīng)用
8.3.3 鐵甲灌區(qū)概況
8.3.4 時間序列的實例應(yīng)用
8.4 本章小結(jié)
第九章 神經(jīng)網(wǎng)絡(luò)方法在灌溉用水量預(yù)測中的應(yīng)用
9.1 人工神經(jīng)網(wǎng)絡(luò)簡介及發(fā)展歷史與現(xiàn)狀
9.1.1 人工神經(jīng)網(wǎng)絡(luò)簡介
9.1.2 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史與現(xiàn)狀
9.2 BP神經(jīng)網(wǎng)絡(luò)
9.2.1 BP算法基本思想
9.2.2 基于BP算法的BP網(wǎng)絡(luò)模型
9.2 3 BP神經(jīng)網(wǎng)絡(luò)算法的步驟
9.2.4 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的結(jié)構(gòu)設(shè)計
9.2.5 面向MATLAB的BP神經(jīng)網(wǎng)絡(luò)設(shè)計
9.7.6 BP網(wǎng)絡(luò)模型在遼陽灌區(qū)中的應(yīng)用
9.2.7 BP網(wǎng)絡(luò)模型在鐵甲灌區(qū)中的應(yīng)用
9.3 Elman神經(jīng)網(wǎng)絡(luò)
9.3.1 Elman神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)和學(xué)習(xí)過程
9.3.2 面向MATLAB的Elman神經(jīng)網(wǎng)絡(luò)設(shè)計
9.3.3 Elman模型在遼陽灌區(qū)灌溉用水量預(yù)測中的應(yīng)用
9.4 RBF神經(jīng)網(wǎng)絡(luò)的應(yīng)用
9.4.1 RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
9.4.2 RBF函數(shù)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程
9.4.3 RBF網(wǎng)絡(luò)的設(shè)計
9.4.4 RBF網(wǎng)絡(luò)在鐵甲灌區(qū)中的應(yīng)用
9.4.5 廣義回歸神經(jīng)網(wǎng)絡(luò)
9.5 本章小結(jié)
第十章 多重神經(jīng)網(wǎng)絡(luò)模型在灌溉用水量預(yù)測中的應(yīng)用
10.1 多重組合神經(jīng)網(wǎng)絡(luò)的構(gòu)造
10.2 多重組合神經(jīng)網(wǎng)絡(luò)的分類
10.3 多重組合神經(jīng)網(wǎng)絡(luò)的應(yīng)用實例
10.4 本章小結(jié)
第十一章 時序神經(jīng)網(wǎng)絡(luò)模型在灌溉用水量預(yù)測中的應(yīng)用
11.1 時間序列與神經(jīng)網(wǎng)絡(luò)的互補性
11.2 組合預(yù)測的發(fā)展
11.3 時間序列與神經(jīng)網(wǎng)絡(luò)組合式模型的分類
11.3.1 基于預(yù)測結(jié)果的時序神經(jīng)網(wǎng)絡(luò)模型
11.3.2 基于預(yù)測模型的時序神經(jīng)網(wǎng)絡(luò)模型
11.4 基于預(yù)測結(jié)果的時序神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用
11.4.1 基于預(yù)測結(jié)果的時序神經(jīng)網(wǎng)絡(luò)模型的預(yù)測步驟
11.4.2 基于預(yù)測結(jié)果的時序神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用實例
11.4.3 結(jié)果分析
11.5 基于預(yù)測模型的時序神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用
11.5.1 基于預(yù)測模型的時序神經(jīng)網(wǎng)絡(luò)模型的預(yù)測步驟
11.5.2 基于預(yù)測模型的時序神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用實例
11.5.3 結(jié)果分析
11.6 本章小結(jié)
第十二章 灰色模型在灌溉用水量預(yù)測中的應(yīng)用
12.1 灰色系統(tǒng)簡介
12.1.1 灰色模型（GM）的建模機理
12.1.2 灰色預(yù)測法的種類
12.2 灰色模型建模方法和步驟
12.2.1 數(shù)據(jù)的預(yù)處理
12.2.2 灰色模型的建模過程
12.3 模型識別檢驗
12.3.1 殘差檢驗
12.3.2 后驗差檢驗
12.3.3 關(guān)聯(lián)度檢驗
12.4 實例應(yīng)用
12.4.1 建立GM（1，1）模型
12.4.2 檢驗?zāi)Ｐ?br />12.5 殘差修正模型
12.5.1 殘差修正模型的建立
12.5.2 殘差修正模型的檢驗
12.6 灰色等維新息模型
12.7 本章小結(jié)
第十三章 灰色神經(jīng)網(wǎng)絡(luò)方法在灌溉用水量預(yù)測中的應(yīng)用
13.1 人工神經(jīng)網(wǎng)絡(luò)和灰色預(yù)測方法的互補性
13.2 灰色神經(jīng)網(wǎng)絡(luò)的分類
13.2.1 并聯(lián)型灰色神經(jīng)網(wǎng)絡(luò)（PGNN）
13.2.2 串聯(lián)型灰色神經(jīng)網(wǎng)絡(luò)（SGNN）
13.2.3 嵌入型灰色神經(jīng)網(wǎng)絡(luò)（IGNN）
13.3 串聯(lián)型灰色神經(jīng)網(wǎng)絡(luò)（SGNN）的應(yīng)用
13.3.1 sGNN預(yù)測模型的步驟
13.3.2 sGNN預(yù)測模型的實例
13.4 嵌入型灰色神經(jīng)網(wǎng)絡(luò)（IGNN）的應(yīng)用
13.4.1 IGNN預(yù)測模型的步驟
13.4.2 IGNN預(yù)測模型的實例
13.5 并聯(lián)型灰色神經(jīng)網(wǎng)絡(luò)（PGNN）的應(yīng)用
13.5.1 PGNN預(yù)測模型的步驟
13.5.2 PGNN預(yù)測模型的實例
13.6 本章小結(jié)
第十四章 結(jié)論與展望
14.1 結(jié)論
14.2 展望
參考文獻