灌區(qū)運行狀況評價方法與灌溉用水量預測技術研究

第一章 灌區(qū)運行狀況評價的意義
1.1 日趨嚴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)運行評價的主要內容
1.3.1 評價背景
1.3.2 評價內容
1.3.3 評價技術路線
第二章 灌區(qū)評價指標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 評價的基本內容
2.2 灌區(qū)評價指標體系的研究
2.2.1 評價指標的建立原則及分類
2.2.2 評價指標的標準化處理
2.2.3 灌區(qū)評價指標體系研究存在的問題
2.2.4 灌區(qū)評價指標的選取方法
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)評價指標權重確定方法的比較研究
3.1 主觀賦權法
3.1.1 專家打分法
3.1.2 層次分析法
3.1.3 序關系分析法（G，一法）
3.1.4 基于粗集理論的屬性重要度賦權法
3.2 客觀賦權法
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 簡單關聯(lián)函數(shù)賦權法
3.3 各種賦權法的比較及適用條件
3.4 基于博弈論的綜合賦權法
第四章 模糊綜合評判模型在灌區(qū)運行狀況評價中的應用
4.1 模糊數(shù)學概述
4.1.1 模糊數(shù)學的產生與發(fā)展
4.1.2 模糊數(shù)學的特點
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用
5.1 物元可拓評價模型簡介
5.1.1 可拓學的產生與發(fā)展
5.1.2 可拓學的研究對象和內容
5.1.3 可拓學的特點
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 構造經典域、節(jié)域和待評物元
5.3.2 權值的確定
5.3.3 確定東港灌區(qū)關于各類別等級的關聯(lián)度
5.3.4 計算東港灌區(qū)關于等級j的關聯(lián)度
5.3.5 計算結果及等級評定
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、社會經濟狀況與生態(tài)環(huán)境狀況協(xié)調發(fā)展指數(shù)
6.3 實例分析
6.3.1 灌區(qū)可持續(xù)發(fā)展評價標準
6.3.2 灌區(qū)可持續(xù)發(fā)展水平評價
第七章 灌溉用水量預測的意義
7.1 灌溉用水量預測的意義
7.2 灌溉用水量預測技術國內外研究現(xiàn)狀
7.2.1 灌溉用水量預測研究進展
7.2.2 灌溉用水量預測技術分類
7.2.3 灌溉用水量預測方法研究現(xiàn)狀
第八章 時間序列預測法在灌溉用水量預測中的應用
8.1 時間序列預測法簡介
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概念
8.1.3 時間序列預測法的分類
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
8.2.3 平穩(wěn)時間序列預測的步驟
8.3 應用實例
8.3.1 遼陽灌區(qū)概況
8.3.2 時間序列預測法在遼陽灌區(qū)中的應用
8.3.3 鐵甲灌區(qū)概況
8.3.4 時間序列的實例應用
8.4 本章小結
第九章 神經網絡方法在灌溉用水量預測中的應用
9.1 人工神經網絡簡介及發(fā)展歷史與現(xiàn)狀
9.1.1 人工神經網絡簡介
9.1.2 人工神經網絡的發(fā)展歷史與現(xiàn)狀
9.2 BP神經網絡
9.2.1 BP算法基本思想
9.2.2 基于BP算法的BP網絡模型
9.2 3 BP神經網絡算法的步驟
9.2.4 BP神經網絡預測模型的結構設計
9.2.5 面向MATLAB的BP神經網絡設計
9.7.6 BP網絡模型在遼陽灌區(qū)中的應用
9.2.7 BP網絡模型在鐵甲灌區(qū)中的應用
9.3 Elman神經網絡
9.3.1 Elman神經網絡模型的結構和學習過程
9.3.2 面向MATLAB的Elman神經網絡設計
9.3.3 Elman模型在遼陽灌區(qū)灌溉用水量預測中的應用
9.4 RBF神經網絡的應用
9.4.1 RBF神經網絡的結構
9.4.2 RBF函數(shù)神經網絡的學習過程
9.4.3 RBF網絡的設計
9.4.4 RBF網絡在鐵甲灌區(qū)中的應用
9.4.5 廣義回歸神經網絡
9.5 本章小結
第十章 多重神經網絡模型在灌溉用水量預測中的應用
10.1 多重組合神經網絡的構造
10.2 多重組合神經網絡的分類
10.3 多重組合神經網絡的應用實例
10.4 本章小結
第十一章 時序神經網絡模型在灌溉用水量預測中的應用
11.1 時間序列與神經網絡的互補性
11.2 組合預測的發(fā)展
11.3 時間序列與神經網絡組合式模型的分類
11.3.1 基于預測結果的時序神經網絡模型
11.3.2 基于預測模型的時序神經網絡模型
11.4 基于預測結果的時序神經網絡模型的應用
11.4.1 基于預測結果的時序神經網絡模型的預測步驟
11.4.2 基于預測結果的時序神經網絡模型的應用實例
11.4.3 結果分析
11.5 基于預測模型的時序神經網絡模型的應用
11.5.1 基于預測模型的時序神經網絡模型的預測步驟
11.5.2 基于預測模型的時序神經網絡模型的應用實例
11.5.3 結果分析
11.6 本章小結
第十二章 灰色模型在灌溉用水量預測中的應用
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 灰色預測法的種類
12.2 灰色模型建模方法和步驟
12.2.1 數(shù)據的預處理
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 關聯(lián)度檢驗
12.4 實例應用
12.4.1 建立GM（1，1）模型
12.4.2 檢驗模型
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
第十三章 灰色神經網絡方法在灌溉用水量預測中的應用
13.1 人工神經網絡和灰色預測方法的互補性
13.2 灰色神經網絡的分類
13.2.1 并聯(lián)型灰色神經網絡（PGNN）
13.2.2 串聯(lián)型灰色神經網絡（SGNN）
13.2.3 嵌入型灰色神經網絡（IGNN）
13.3 串聯(lián)型灰色神經網絡（SGNN）的應用
13.3.1 sGNN預測模型的步驟
13.3.2 sGNN預測模型的實例
13.4 嵌入型灰色神經網絡（IGNN）的應用
13.4.1 IGNN預測模型的步驟
13.4.2 IGNN預測模型的實例
13.5 并聯(lián)型灰色神經網絡（PGNN）的應用
13.5.1 PGNN預測模型的步驟
13.5.2 PGNN預測模型的實例
13.6 本章小結
第十四章 結論與展望
14.1 結論
14.2 展望
參考文獻