黑龙江省水资源可持续利用评价研究（Evaluation of sustainable utilization of water resources in Heilongjiang）.pdfVIP

目 录 中文摘要I 英文摘要 II 1 绪论 1 1.1 研究的背景、目的及意义 1 1.1.1 研究背景 1 1.1.2 研究的目的意义 2 1.2 国内外研究现状 2 1.2.1 水资源可持续利用指标体系研究现状 3 1.2.2 水资源可持续利用评价方法研究现状 5 1.3 研究内容、技术路线及创新点 10 1.3.1 研究内容 10 1.3.2 技术路线 10 1.3.3 创新点 13 2 黑龙江省概况及水资源现状分析 14 2.1 自然地理概况 14 2.1.1 地理背景 14 2.1.2 气候概况 14 2.1.3 河流水系 15 2.2 水资源概况 15 2.2.1 水资源 16 2.2.2 水环境 17 2.2.3 水资源开发利用状况 18 2.3 社会经济概况 20 2.3.1 社会人口 20 2.3.2 经济状况 20 3 水资源可持续利用评价指标体系构建 22 3.1 水资源可持续利用指标体系建立的基本原则 22 3.2 一般评价指标体系的建立 23 3.3 评价指标体系筛选 24 3.3.1 聚类分析法 24 3.3.2 熵权法 25 3.3.3 基于聚类-熵权的指标筛选 26 3.4 本章小结 27 4 基于支持向量机的水资源可持续利用评价模型 28 4.1 支持向量机分类算法（SVC ） 28 i 4.1.1 线性分类 28 4.1.2 非线性分类 30 4.2 支持向量机回归算法（SVR ） 31 4.2.1 线性回归 31 4.2.2 非线性回归 32 4.3 基于遗传算法的参数优化 32 4.4 基于支持向量机的水资源可持续利用评价 33 4.4.1 评价指标体系的确定 33 4.4.2 样本生成和预处理 33 4.4.3 基于分类支持向量机（SVC ）的模型实现 34 4.4.4 基于回归支持向量机（SVR ）的模型实现 36 4.5 本章小结 37 5 基于小波神经网络的水资源可持续利用评价模型 38 5.1 小波分析基本理论 38 5.1.1 小波变换 38 5.1.2 小波函数 39 5.2 BP 神经网络基本理论 39 5.3 小波神经网络 40 5.3.1 小波神经网络的分类 40 5.3.2 小波神经网络模型及其学习算法 41 5.4 基于小波神经网络的水资源可持续利用评价 42 5.5 本章小结 44 6 基于 T-S 模糊神经网络的水资源可持续评价模型 45 6.1 模糊数学基本理论 45 6.1.1 模糊集 45 6.1.2 模糊控制理论 47 6.1.3 T-S 模糊系统 47 6.2 T-S 模糊神经网络 48 6.2.1 T-S 模糊神经网络结构 48 6.2.2 T-S 模糊神经网络学习算法 49 6.3 基于 T-S 模糊神经网络的水资源可持续利用评价 50 6.4 本章小结 51 7 结果分析及指标灵敏度分析 52 7.1 结果分析 52 7.2 指标