第1章緒論1
1.1系統(tǒng)論1
1.1.1概述1
1.1.2因果性2
1.1.3基本思想方法2
1.2控制論3
1.2.1概述3
1.2.2核心任務(wù)3
1.2.3黑白箱理論3
1.2.4基本方法4
1.3環(huán)境系統(tǒng)數(shù)學(xué)模型4
1.3.1概述4
1.3.2環(huán)境系統(tǒng)數(shù)學(xué)模型的分類4
學(xué)習(xí)提示5
習(xí)題6

第2章數(shù)據(jù)預(yù)處理技術(shù)7
2.1Matlab簡(jiǎn)介7
2.2統(tǒng)一數(shù)據(jù)文件格式、數(shù)據(jù)類型、單位、精度8
2.3無(wú)效數(shù)據(jù)識(shí)別及處理8
2.3.1剔除9
2.3.2插值填補(bǔ)10
2.4小波降噪13
2.4.1環(huán)境系統(tǒng)觀測(cè)的隨機(jī)誤差13
2.4.2數(shù)據(jù)降噪技術(shù)概況14
2.4.3小波降噪的Matlab實(shí)現(xiàn)14
2.5歸一化22
2.5.1Matlab的歸一化函數(shù)23
2.5.2歸一化應(yīng)用實(shí)例23
2.6主成分分析25
2.6.1主成分及主成分分析的概念27
2.6.2主成分分析的基本原理和技術(shù)步驟27
2.6.3主成分分析的SPSS實(shí)現(xiàn)29
2.6.4主成分分析的Matlab實(shí)現(xiàn)33
學(xué)習(xí)提示35
習(xí)題36

第3章環(huán)境系統(tǒng)數(shù)值模型與仿真37
3.1概述37
3.1.1環(huán)境數(shù)學(xué)模型在環(huán)境管理中的應(yīng)用38
3.1.2數(shù)學(xué)模型的功能38
3.2環(huán)境問題的數(shù)學(xué)模型39
3.2.1數(shù)學(xué)模型的特征39
3.2.2建立數(shù)學(xué)模型一般遵循的規(guī)律39
3.2.3系統(tǒng)的概念和基本特征40
3.2.4環(huán)境系統(tǒng)分析和環(huán)境數(shù)學(xué)模型41
3.3河流水質(zhì)數(shù)學(xué)模型S-P模型42
3.4建立環(huán)境數(shù)學(xué)模型的機(jī)理分析法44
3.4.1環(huán)境數(shù)學(xué)模型遵循的基本約束44
3.4.2環(huán)境系統(tǒng)中的基本單位過程45
3.5基本環(huán)境流體動(dòng)力學(xué)模型49
3.5.1零維模型49
3.5.2一維模型51
3.5.3二維（三維）基本環(huán)境流體動(dòng)力學(xué)模型53
3.5.4一維模型的解析解54
3.5.5非穩(wěn)定排放源污染物遷移特征55
3.6線性回歸分析57
3.6.1一元線性回歸57
3.6.2相關(guān)系數(shù)59
3.6.3多元線性回歸分析61
學(xué)習(xí)提示63
習(xí)題63

第4章神經(jīng)網(wǎng)絡(luò)環(huán)境數(shù)學(xué)模型65
4.1人工神經(jīng)網(wǎng)絡(luò)概念65
4.2神經(jīng)網(wǎng)絡(luò)的特點(diǎn)67
4.3人工神經(jīng)網(wǎng)絡(luò)開發(fā)的技術(shù)路線68
4.4人工神經(jīng)網(wǎng)絡(luò)的發(fā)展史68
4.5神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展及環(huán)境應(yīng)用69
4.5.1人工神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展69
4.5.2人工神經(jīng)網(wǎng)絡(luò)在環(huán)境建模中的應(yīng)用71
4.6神經(jīng)元72
4.6.1生物神經(jīng)元72
4.6.2人工神經(jīng)元模型73
4.7人工神經(jīng)網(wǎng)絡(luò)的類型及特點(diǎn)77
4.7.1以網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)算法分類77
4.7.2以是否延遲反饋及時(shí)間直接相關(guān)進(jìn)行分類79
4.8人工神經(jīng)網(wǎng)絡(luò)的Matlab實(shí)現(xiàn)79
4.8.1神經(jīng)網(wǎng)絡(luò)工具箱80
4.8.2神經(jīng)網(wǎng)絡(luò)基礎(chǔ)函數(shù)80
4.8.3神經(jīng)網(wǎng)絡(luò)求解環(huán)境問題的基本步驟88
學(xué)習(xí)提示88
習(xí)題89

第5章靜態(tài)神經(jīng)網(wǎng)絡(luò)模型90
5.1感知器網(wǎng)絡(luò)90
5.2線性神經(jīng)網(wǎng)絡(luò)98
5.2.1線性網(wǎng)絡(luò)的基本語(yǔ)法98
5.2.2線性網(wǎng)絡(luò)的實(shí)例99
5.3徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)107
5.3.1傳遞函數(shù)和網(wǎng)絡(luò)結(jié)構(gòu)108
5.3.2徑向基網(wǎng)絡(luò)108
5.3.3精確徑向基網(wǎng)絡(luò)109
5.3.4newpnn概率神經(jīng)網(wǎng)絡(luò)116
5.3.5newgrnn泛化回歸神經(jīng)網(wǎng)絡(luò)117
5.4自組織網(wǎng)絡(luò)120
5.4.1概述120
5.4.2通用型競(jìng)爭(zhēng)網(wǎng)絡(luò)120
5.5BP神經(jīng)網(wǎng)絡(luò)123
5.5.1傳遞函數(shù)124
5.5.2訓(xùn)練函數(shù)與學(xué)習(xí)函數(shù)125
5.5.3BP神經(jīng)網(wǎng)絡(luò)類型及語(yǔ)法格式125
5.5.4BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與內(nèi)部計(jì)算傳遞的基本規(guī)則129
5.5.5BP神經(jīng)網(wǎng)絡(luò)的底層工作原理131
5.5.6BP神經(jīng)網(wǎng)絡(luò)隱層設(shè)計(jì)的一般性原則139
5.5.7提高BP泛化能力 139
5.5.8BP神經(jīng)網(wǎng)絡(luò)應(yīng)用實(shí)例146
5.6靜態(tài)網(wǎng)絡(luò)可靠性評(píng)價(jià)150
5.7網(wǎng)絡(luò)訓(xùn)練前數(shù)據(jù)處理技術(shù)路線和樣本數(shù)據(jù)規(guī)劃策略156
學(xué)習(xí)提示158
習(xí)題158

第6章動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)模型160
6.1動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)分類160
6.2典型動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)161
6.3動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的Matlab實(shí)現(xiàn)164
6.4帶外部輸入的非線性自動(dòng)回歸網(wǎng)絡(luò)168
6.4.1narxnet的創(chuàng)建168
6.4.2閉環(huán)與開環(huán)169
6.4.3一步預(yù)測(cè)171
6.4.4多步預(yù)測(cè)177
6.5非線性自動(dòng)回歸網(wǎng)絡(luò)188
6.5.1narnet的語(yǔ)法格式188
6.5.2一步預(yù)測(cè)188
6.5.3多步預(yù)測(cè)190
6.6動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)性能評(píng)價(jià)197
6.7幾種動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的比較200
學(xué)習(xí)提示200
習(xí)題201

參考文獻(xiàn)202