環(huán)境系統(tǒng)模擬與仿真

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(lèi)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(lèi)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(wèn)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(guò)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(kāi)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(lèi)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(lèi)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(lèi)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(wèn)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(lèi)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(lèi)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(kāi)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