第1章 绪论 1
1.1引言 1
1.2国内外研究进展 2
1.3研究发展趋势 8
1.4本书的目的和内容 9
参考文献 10
第2章 河川径流时间序列分析的理论基础 12
2.1河川径流时间序列的基本概念 12
2.2河川径流时间序列分析的统计理论 13
2.3径流时间序列的组成 17
2.4河川径流时间序列的自回归模型 23
2.5河川径流时间序列的滑动平均模型与自回归滑动平均模型 25
参考文献 27
第3章 河川径流时间序列的影响因素分析 28
3.1降水对径流的影响 28
3.2气温对径流的影响 29
3.3太阳活动对径流的影响 30
3.4恩索（ENSO）循环对径流的影响 31
3.5人类活动对径流的影响 33
3.6下垫面变化对径流的影响 37
3.7自然和人类活动作用下流域二元水循环模式 37
参考文献 38
第4章 协整理论与河川径流时间序列分析 40
4.1协整理论 40
4.2协整检验 41
4.3误差修正模型 45
4.4河川径流序列的协整分析 47
参考文献 53
第5章 复杂性理论与河川径流时间序列 54
5.1复杂性理论简介 54
5.2复杂性测度的数学基础 55
5.3几种复杂性测度 58
5.4河川径流时间序列的复杂性识别 64
5.5小结 77
参考文献 78
第6章 河川径流时间序列的分形特征分析 80
6.1分形理论基础 80
6.2河川径流演变的长程相关性分析 80
6.3河川径流分形维数分析 86
6.4河川径流演变的长记忆性分析 86
6.5小结 95
参考文献 96
第7章 河川径流多重分形特性分析 98
7.1多重分形的信息特征 98
7.2 MF-DFA方法 99
7.3权重因子q的选择范围 101
7.4河川径流演变的多重分形分析 101
7.5河川径流演变的多重分形行为探讨 106
7.6小结 111
参考文献 111
第8章 河川径流时间序列的周期性识别方法 112
8.1极大熵周期分析 112
8.2灰谱理论与周期分析 119
8.3径流序列的小波变换与周期分析 127
8.4小结 142
参考文献 144
第9章 河川径流信息密码解读理论及峰谷位识别 146
9.1河川径流信息密码解读理论 146
9.2径流变化密码图谱分析 156
9.3河川径流信息密码解读原理 170
9.4河川径流峰谷位密码识别方法 173
9.5河川径流信息密码解读理论的应用 183
9.6小结 189
参考文献 189
第10章 基于小波分析的径向基神经网络预测模型 190
10.1径向基（RBF）神经网络 190
10.2径向基神经网络的建立 192
10.3 AR模型预测方法 193
10.4径流序列预测效果分析 193
10.5小结 197
参考文献 197
第11章 混合回归预测模型 199
11.1流域年径流的形成过程 199
11.2混合回归系统水文模型的结构和算法 200
11.3黄河下游三门峡站年径流量多维混合回归预测效果分析 202
11.4三门峡站年径流量多年预测结果 203
11.5小结 204
参考文献 204
第12章 遗传模拟退火门限自回归预测模型 205
12.1门限自回归模型 205
12.2遗传模拟退火算法 206
12.3基于遗传模拟退火算法的门限自回归模型的求解步骤 209
12.4黄河三门峡站年径流预测 210
12.5小结 214
参考文献 214
第13章 基于支持向量机的径流预测模型研究 215
13.1小样本机器学习理论：统计学习理论 215
13.2支持向量机理论 218
13.3改进的最小二乘支持向量机 224
13.4混沌优化算法 225
13.5基于混沌优化的最小二乘支持向量机径流预测模型 227
13.6 C-λiυi-SVM预测模型的应用 228
参考文献 241
第14章 翁氏旋回预测模型 243
14.1生命旋回 243
14.2模型的建立 244
14.3模型参数的率定 244
14.4生命旋回在径流预测中的应用 245
14.5小结 246
参考文献 246