声明
摘要
图目录
表目录
1.1 选题背景及研究意义
1.1.1 选题背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 地下水位动态变化及其预测研究
1.2.2 时空序列建模方法研究
1.2.3 人工神经网络研究
1.2.4 存在问题及分析
1.3 研究目标与研究内容
1.3.1 研究目标
1.3.2 研究内容
1.4 技术路线
1.5 论文组织框架
第2章 STARMA和BP神经网络建模方法
2.1 时空数据基本性质
2.1.1 时空白相关性
2.1.2 时空平稳性
2.2 STARMA模型
2.2.1 模型识别
2.2.2 参数估计
2.2.3 模型检验
2.2.4 适用性分析
2.3 BP神经网络
2.3.1 BP神经网络结构
2.3.2 BP神经网络传递函数
2.3.2 BP算法
2.4 本章小结
第3章 BP-STARMA模型
3.1 模型分析
3.2 模型预测流程
3.3 模型建立
3.3.1 BP神经网络提取非线性时空趋势
3.3.2 STARMA模型
3.4 本章小结
第4章 基于BP-STARMA模型的地下水位动态预测
4.1 研究区概况
4.1.1 自然地理特征
4.1.2 含水层划分及其水文地质特征
4.1.3 地下水位监测现状
4.1.4 地下水位动态特征分析
4.2 数据预处理
4.3 探索性时空数据分析
4.3.1 正态分布检验
4.3.2 时空平稳性检验
4.4 BP-STARMA模型建立
4.4.1 BP神经网络提取非线性时空趋势
4.4.2 STARMA建模
4.5 模型检验及验证
4.6 本章小结
第5章 结论与展望
5.1 结论
5.2 展望
参考文献
在读期间发表的学术论文及研究成果
致谢
南京师范大学;