第1章 绪论 1
1.1 研究背景及意义 1
1.2 水资源系统中的智能计算技术研究进展 3
1.2.1 智能计算技术在径流预测中的应用 3
1.2.2 智能计算技术在需水预测中的应用 7
1.2.3 智能计算技术在水资源优化配置中的应用 10
1.2.4 水资源脆弱性评价研究进展 14
1.2.5 当前研究存在的问题及发展趋势 16
1.3 本书主要内容 18
第2章 降雨径流系统混沌特性分析方法 20
2.1 引言 20
2.2 径流序列的混沌特性判别原理及方法 20
2.2.1 功率谱分析 20
2.2.2 BSD统计量 21
2.2.3 Cao方法 22
2.2.4 Lyapunov指数 23
2.2.5 关联维数 24
2.2.6 Kolmogorov熵 25
2.3 应用实例 26
2.3.1 功率谱定性分析 26
2.3.2 BSD非线性检验 27
2.3.3 混沌特性的定量识别 29
2.4 本章小结 32
第3章 基于多变量相空间重构的径流预测神经网络模型 34
3.1 引言 34
3.2 多变量相空间重构 35
3.2.1 多变量相空间重构 35
3.2.2 单变量相空间重构参数的选取 35
3.3 基于多变量相空间重构的径流预测神经网络模型 37
3.3.1 偏最小二乘回归 38
3.3.2 PSO优化的神经网络模型 39
3.3.3 建模步骤 42
3.4 应用实例 43
3.4.1 确定相空间饱和嵌入维数m和延滞时间τ 44
3.4.2 用PLS提取主成分 44
3.4.3 建立网络 45
3.4.4 预测 45
3.5 本章小结 47
第4章 基于混合智能算法的需水量预测集成方法研究 48
4.1 引言 48
4.2 基于粒子群和遗传的混合智能算法 49
4.2.1 算法的基本思想 49
4.2.2 约束条件的处理 52
4.2.3 算法的实现步骤 52
4.3 基于混合智能算法优化支持向量机的需水量预测模型 53
4.3.1 支持向量机基本原理 54
4.3.2 基于混合智能算法的LS-SVM参数选取 56
4.3.3 需水量预测的LS-SVM模型 57
4.4 基于混合智能算法的变权系数需水量组合预测模型 58
4.4.1 组合预测模型 58
4.4.2 需水量预测的变权系数线性组合模型 59
4.4.3 需水量预测的变权系数非线性组合模型 61
4.5 应用实例 62
4.5.1 基于混合智能算法优化支持向量机的需水预测 62
4.5.2 基于混合智能算法优化的需水量组合预测 65
4.5.3 结果分析 68
4.6 本章小结 68
第5章 基于多目标粒子群算法的水资源优化配置研究 70
5.1 引言 70
5.2 多目标演化算法基础 71
5.2.1 多目标优化基本概念 71
5.2.2 多目标演化算法基本技术 74
5.3 基于Pareto最优概念的多目标粒子群算法 78
5.3.1 多目标粒子群算法的关键问题 79
5.3.2 约束处理 81
5.3.3 算法设计 82
5.3.4 数值分析 83
5.4 多目标粒子群算法在水资源系统优化配置中的应用 86
5.4.1 水资源系统多目标优化配置模型的建立 87
5.4.2 基于多目标协同进化粒子群算法的非劣解集生成 90
5.5 水资源系统多目标非劣解集评价 99
5.5.1 基于K-均值聚类的非劣解集代表性个体选取 99
5.5.2 基于支持向量机的水资源系统多目标非劣解集评价 100
5.5.3 基于信息熵的水资源系统多目标非劣解集评价 104
5.5.4 基于伪权重向量的水资源系统多目标非劣解集评价 105
5.5.5 实例分析 105
5.6 本章小结 107
第6章 基于粒子群投影寻踪插值模型的水资源系统脆性分析 109
6.1 引言 109
6.2 水资源系统脆性分析 109
6.2.1 水资源系统脆性结构模型 110
6.2.2 水资源系统脆性关联模型 111
6.2.3 水资源系统脆性风险模型 112
6.3 基于复杂系统脆性理论的水资源系统广义脆弱性 112
6.3.1 脆弱性 112
6.3.2 水资源系统的广义脆弱性 115
6.3.3 水资源系统广义脆弱性的概念模型 117
6.3.4 水资源系统广义脆弱性评价模型 120
6.4 应用实例 124
6.4.1 模型的建立 125
6.4.2 结果分析 128
6.5 本章小结 131
第7章 总结与展望 132
7.1 总结 132
7.1.1 主要研究结论 132
7.1.2 创新点 134
7.2 展望 135
参考文献 136