第一章 人工神經(jīng)網(wǎng)絡(luò)概論
1.1 人工神經(jīng)網(wǎng)絡(luò)發(fā)展概況及其特點(diǎn)
1.2 人工神經(jīng)網(wǎng)絡(luò)在水質(zhì)信息檢測(cè)中的應(yīng)用背景及其意義
1.3 河流水流模型研究進(jìn)展及存在問(wèn)題
1.3.1 國(guó)內(nèi)外水質(zhì)模型發(fā)展階段
1.3.2 現(xiàn)有水質(zhì)模型存在的問(wèn)題
1.3.3 水環(huán)境模擬中的不確定性
1.4 神經(jīng)網(wǎng)絡(luò)在水質(zhì)評(píng)價(jià)中的應(yīng)用研究
1.4.1 水質(zhì)評(píng)價(jià)基本方法
1.4.2 人工神經(jīng)網(wǎng)絡(luò)用于地表水環(huán)境質(zhì)量評(píng)價(jià)
1.4.3 神經(jīng)網(wǎng)絡(luò)在水質(zhì)模擬中的應(yīng)用研究
1.5 神經(jīng)網(wǎng)絡(luò)與水質(zhì)模擬及水質(zhì)評(píng)價(jià)結(jié)合的優(yōu)勢(shì)
1.6 人工神經(jīng)網(wǎng)絡(luò)在水質(zhì)信息檢測(cè)處理中的應(yīng)用前景
第二章 人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識(shí)
2.1 人工神經(jīng)網(wǎng)絡(luò)概述
2.1.1 生物神經(jīng)元網(wǎng)絡(luò)的基本原理
2.1.2 人工神經(jīng)網(wǎng)絡(luò)的基本原理
2.1.3 人工神經(jīng)網(wǎng)絡(luò)模型
2.2 神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程
2.3 神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則
2.3.1 Hebb學(xué)習(xí)規(guī)則
2.3.2 感知機(jī)（Perceptron）學(xué)習(xí)規(guī)則
2.3.3 Delta學(xué)習(xí)規(guī)則
2.4 神經(jīng)元網(wǎng)絡(luò)的工作過(guò)程
第三章 在水質(zhì)信息檢測(cè)中常用的算法
3.1 人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練（學(xué)習(xí)）
3.2 幾種常用的人工神經(jīng)網(wǎng)絡(luò)算法
3.2.1 誤差反傳訓(xùn)練算法（Back Propagation，BP）
3.2.2 RBF徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
3.3 RBF和BP神經(jīng)網(wǎng)絡(luò)的比較
第四章 人工神經(jīng)網(wǎng)絡(luò)在水質(zhì)信息檢測(cè)中的應(yīng)用
4.1 不同學(xué)習(xí)算法對(duì)BP網(wǎng)絡(luò)性能影響的研究
4.1.1 BP網(wǎng)絡(luò)的學(xué)習(xí)算法
4.1.2 水質(zhì)預(yù)測(cè)BP網(wǎng)絡(luò)的建立
4.2 用最佳學(xué)習(xí)算法預(yù)測(cè)黃河水DO濃度
4.2.1 時(shí)間序列建模方法
4.2.2 樣本選取及數(shù)據(jù)預(yù)處理
4.2.3 交互檢驗(yàn)訓(xùn)練法
4.2.4 優(yōu)化與預(yù)測(cè)
4.2.5 結(jié)果與討論
4.2.6 結(jié)論
4.3 BP網(wǎng)絡(luò)用于黃河水質(zhì)的預(yù)測(cè)研究
4.3.1 時(shí)間序列建模方法及算法
4.3.2 樣本選取及網(wǎng)絡(luò)訓(xùn)練方法
4.3.3 結(jié)果與討論
4.3.4 結(jié)論
4.4 用于黃河水質(zhì)綜合評(píng)價(jià)的人工神經(jīng)網(wǎng)絡(luò)模型的研究
4.4.1 建立計(jì)算模型及訓(xùn)練樣本
4.4.2 網(wǎng)絡(luò)參數(shù)的確立
4.4.3 應(yīng)用實(shí)例
4.4.4 結(jié)論
4.5 應(yīng)用人工神經(jīng)網(wǎng)絡(luò)對(duì)黃河甘肅段水質(zhì)進(jìn)行分類評(píng)價(jià)
……
第五章 其他方法在水質(zhì)檢測(cè)中的應(yīng)用
參考文獻(xiàn)